[发明专利]基于二叉树的单目图像中物体深度次序估计方法

说明书

技术领域

本发明涉及图像处理领域，具体地，涉及一种基于二叉树的单目图像中物体深度次序估计方法。

背景技术

单目图像的深度次序推理通常有两种主要的方法：一种是基于学习的方法，另一种则是基于图像结构寻找低层次线索推断的方法。

对于第一类方法，D.Hoiem等(“Recoveringocclusionboundariesfromasingleimage”,ICCV,2007,pp.1-8)对图像进行过度分割，然后针对每一区域提取颜色、纹理、竖直和水平特征，把它们堆积起来，应用在马尔可夫随机场(MRF)的框架下来估计深度次序。显然，这些方法是基于学习的，MRF需要通过真实深度层次数据去训练得到。然而，这类方法的主要缺陷在于它们的作用仅仅局限于和训练图像的类型相同的图像。如果测试图像的场景类型与训练集差异大，则效果一般，且无法精准地定义出物体区域边界。

对于第二类方法，M.Dimiccoli等(“Hierarchicalregion-basedrepresentationforsegmentationandfilteringwithdepthinsingleimages”,ICIP,2009,pp.3497–3500)没有利用训练方法，而是集中对例如遮挡或者凹凸性这些相关深度线索的检测来对场景中的物体进行深度排序。这类方法虽不能像第一类方法那样推断出绝对深度，但却更具一般性，几乎不受图像的场景类型限制。图像中的T角点是强有力的遮挡线索，然而一个鲁棒的深度感知系统似乎不太可能仅通过使用T角点检测就能定义出来。

单目图像的深度次序推理在计算机视觉领域和实际生产中有诸多应用，然而，现存的一些单目图像的深度次序推理方法，因为场景中三维信息的缺失，深度次序推理的效果不是很好。M.Dimiccoli等利用二叉分割树(BPT)对图像进行区域合并和有效分割，并在区域深度层次推断后进行了T角点估计。虽然效果较好，但有些复杂的T角点却在初始阶段中估计错误。

发明内容

本发明的目的在于，针对上述问题，提出一种基于二叉树的单目图像中物体深度次序估计方法，以实现提高深度层次恢复效果的优点。

为实现上述目的，本发明采用的技术方案是：

一种基于二叉树的单目图像中物体深度次序估计方法，包括：

步骤1、定义图像区域间的中间距离；

步骤2、对图像区域的交界处形成的T角点估计T角点置信度；

步骤3、根据上述中间距离和T角点置信度构造区域的二叉分割树从而得到图像的区域性模型；

步骤4、选取最优的T角点集合，完成深度排序，从而得到深度次序图。

优选的，步骤1定义图像区域间的中：

中间距离的定义式如下：

dBPT1,2=α×dcolor1,2+(1-α)×dcontour1,2]]>

其中，表示图像区域R1和R2间的中间距离，表示图像区域R1和R2间的颜色距离，表示图像区域R1和R2间的轮廓距离，α为权重参数，权衡颜色距离和轮廓距离的分布，为已知参数。

优选的，步骤2中估计T角点置信度具体为：