[发明专利]三维图像深度信息提取方法

权利要求书

1.一种三维对象深度提取方法，其特征在于，通过计算二维平面图像中每个元素图像中相邻像素的相似度，进而得到所述像素的深度；

所述计算二维平面图像中每个元素图像中相邻像素的相似度，具体为：将横向像素初始化为随机平面和迭代计算相邻像素的相似度的步骤；

所述将横向像素初始化为随机平面，包括步骤：

将横向像素初始化为随机平面；

每个像素的初始深度设定为随机值，通过每个像素的表面的法线矢量被设置为随机单位向量；

所述迭代计算相邻像素的相似度，包括步骤：

a、初始化一个随机平面内的一个横向像素并计算其深度坐标和向量值，计算其聚合成本，将此聚合成本作为参考聚合成本；

b、计算与步骤a中横向像素在同一平面内的任意一相邻像素的聚合成本；

c、比较步骤a中参考聚合成本与步骤b中相邻像素的聚合成本；

d.将步骤c中比较小的聚合成本对应像素作为新的参考值；

e.将步骤d中新的参考值对应像素设为与该对比参考值的对应像素左上相邻；

f.设定条件：步骤d中新的参考值对应深度值在最大允许范围内；

g.如果步骤f条件成立，则循环执行步骤a到步骤f；

l.步骤f条件不成立，将最后一次循环步骤e中作为图像最左边像素；

m.在步骤l的基础上，图像右下进行下降偶次迭代；

n.根据步骤m的迭代次数计算每个像素的计算次数。

2.根据权利要求1所述的三维对象深度提取方法，其特征在于，在计算二维平面图像中每个元素图像中像素的相似度时，假设相邻像素在同一平面上，并用多个小平面对表面进行建模。

3.根据权利要求1所述的三维对象深度提取方法，其特征在于，所述计算二维平面图像中每个元素图像中相邻像素的相似度，采用相邻像素传播和随机优化的多循环算法。

4.根据权利要求1所述的三维对象深度提取方法，其特征在于，所述将横向像素初始化为随机平面，包括如下过程：

通过所述横向像素的深度坐标的平面，由式(5)表示，

z＝f₁▽p_x+f₂▽p_y+f₃ 式(5)

其中，▽表示梯度值，z为所述横向像素的深度坐标，p(p_x，p_y)为随机平面，f₁、f₂和f₃分别如式(6-1)、式(6-2)和式(6-3)所示，

f₁＝-n₁/n₃ 式(6-1)

f₂＝-n₂/n₃ 式(6-2)

f₃＝(n₁·x₀+n₂·y₀+n₃·z₀)/n₃ 式(6-3)

式(6-1)、式(6-2)和式(6-3)中，n(n₁，n₂，n₃)为随机单位向量，f是所有可能的平面中的最小聚合匹配成本，所述最小聚合成本的数值向量如式(7)所示，x₀和y₀分别为初始化的所述横向像素的坐标数值，z₀为初始化的所述横向像素的初始深度值，

式(7)F表示大小无穷大的所有向量的集合，式(7)中m由式(8)提供，

式(8)中，w用于实现自适应加权，w由式(9)提供；E表示相似性计算因素，E由式(10)提供；▽表示梯度值，W_p表示集中在p的一个方形窗口，

式(9)中，||I_p-I_q||表示两相邻像素p和q间的距离，p为横向像素，q为与p在同一平面内的相邻像素，γ是用户定义的参数；

E＝α||I_i-I_j||+(1-α)||▽I_i-▽I_j|| 式(10)

式(10)中，I是元素图像中像素的强度，下标i，j是元素图像的索引，I_i，I_j分别表示第i，第j个元素图像中的相应像素的强度，I_i和I_j将投射到相同的空间点，I_i和I_j的坐标由式(11)计算得到，‖I_i-I_j‖为RGB空间中的I_i和I_j的颜色的曼哈顿距离，▽I_i和▽I_j是像素的灰度值梯度，‖▽I_i-▽I_j‖表示在I_i和I_j计算的灰度梯度的绝对差，α是没有单位的权重因子，用于平衡颜色和渐变项的影响；

式(11)中，u_i是每个元素图像中对应于坐标为y和z的点的像素的局部坐标，g是图像平面和小透镜阵列之间的距离，s_i是小透镜的坐标，即小透镜的指数。