[发明专利]一种基于视觉模型的深度提取方法

权利要求书

1.一种基于视觉模型的深度提取方法，其特征在于，包括如下步骤：

第一步：将视频图像的彩色信号转化为灰度信号；

第二步：计算相邻两像素点处于同一深度的概率；

第三步：计算所有像素点的深度值；

第四步：对计算的所有像素点的深度值进行滤波平滑以及归一化处理。

2.如权利要求1所述的基于视觉模型的深度提取方法，其特征在于，将所述视频图像的彩色信号转化为灰度信号的方法为：将视频图像的每一个像素点的灰度信号取为I(u，v)=(R(u，v)+G(u，v)+B(u，v))/3，其中，R、G、B为视频图像第u行第v列的像素点为彩色信号时的三通道值。

3.如权利要求1所述的基于视觉模型的深度提取方法，其特征在于，根据HMAX视觉模型计算相邻两像素点处于同一深度的概率，所述HMAX视觉模型计算相邻两像素点处于同一深度的概率包括如下步骤：

a：在S1层对视频图像进行滤波处理；

b：在C1层，综合所述S1层的输出进行滤波和归一化操作；

c：在S2层对图像进行滤波处理；

d：在C2层，综合所述S2层的输出并进行滤波和归一化操作。

4.如权利要求3所述的基于视觉模型的深度提取方法，其特征在于，在所述步骤a中，对视频图像进行滤波处理的方法为：对θ=0，θ=π/4，θ=π/2，θ=3π/4四个方向在两个角度φ=0和φ=-π/2分别用公式f1_θ,φ=exp(-(xcos θ+ysin θ)^2+(-xsin θ+ycos θ)^2/10)×cos(π(xcosθ+ysin θ)/2+φ)定义的矩形窗和原图像矩阵进行二维卷积运算I*f1_θ,φ，得到8个矩阵S1_θ,φ，所述矩形窗f1_θ,φ的大小为5*5，中心点的坐标为(0,0)。

5.如权利要求3或4所述的基于视觉模型的深度提取方法，其特征在于，在所述步骤b中，进行滤波和归一化操作的方法为：首先，分别对步骤a中四个方向的两个角度的结果进行平方加权组合，公式为g1_θ=sqrt(S1_θ，0+S1_θ,-π/2)，然后，用公式f2=g2(exp(-(x^2+y^2)/10)/10-exp(-(x^2+y^2)/5)/5)定义的矩形窗和矩阵g1_θ分别进行二维卷积运算g1_θ*f2，滤波后得到4个矩阵C1_θ，其中当x>0时，g2(x)=x;当x≤0时，g2(x)=0,f2选取大小为15*15，中心点的坐标为(0,0)。

6.如权利要求3所述的基于视觉模型的深度提取方法，其特征在于，在所述步骤c中，对图像进行滤波处理的方法为：分别对θ=0，θ=π/4，θ=π/2，θ=3π/4四个方向在两个角度φ=-π/4，φ=-3π/4用公式f3_θ,φ=exp(-(xcosθ+ysinθ)^2+(-xsinθ+ycosθ)^2/10)×cos(π(xcosθ+ysin θ)/2+φ)定义的矩形窗和步骤b处理后的图像矩阵C1_θ分别进行二维卷积运算C1_θ*f3_θ，φ，得到8个矩阵S2_θ，φ，所述矩形窗f3_θ,φ的大小为5*5，中心点的坐标为(0,0)。

7.如权利要求3或6所述的基于视觉模型的深度提取方法，其特征在于，在所述步骤d中，进行滤波的方法为：首先，分别对步骤c中四个方向的两个角度的结果进行平方加权组合，公式为g3_θ＝sqrt(S2_θ，0+S2_θ,π/2)，然后，用公式f4=g4(exp(-(x^2+y^2)/10)/10-exp(-(x^2+y^2)/5)/5)定义的矩形窗和矩阵g1_θ分别进行二维卷积运算g3_θ*f4进行滤波，得到4个矩阵C2_θ。其中当x>0时，g4(x)=x;当x≤0时，g4(x)=0,f4选取大小为15*15，中心点的坐标为(0,0)。