[发明专利]高精度边缘保护型RGBD场景流估计方法

权利要求书

1.高精度边缘保护型RGBD场景流估计方法，其特征在于，其步骤如下：

1)计算连续两帧图像序列间的光流；

2)利用形态重建算法优化光流图像，剔除干扰噪声点；

3)根据模糊聚类算法对优化后的光流图像进行聚类分割，得到初始分割图像；

式中：u_kl代表的是图像灰度值l相对于第k个聚类中心得到模糊隶属度，υ_k表示聚类中心的位置，υ_j表示第k个聚类中心的灰度，c表示聚类中心个数，m为模糊参数，ξ_l是像素点的灰度值，γ_l代表灰度值为l的像素点个数；

4)计算各分割层中像素点的深度值D_ε和各分割层深度均值D_ξ；

5)遍历各层像素点，计算像素点深度值与其所属层深度值均值之间的差值Δ_i,

Δ_i＝|D_ε-D_ξ| (1)

6)根据Δ_i和分割阈值σ比较结果对各像素点的位置进行判断，并提取出所有分割层中的误分割像素点，其判断标准如下：

7)遍历所有误分割像素点，计算像素点与所属分割层深度值均值之间的差值，将该点分配到与其差值最小的分割层中，得到优化后的分割图像；

ω(X)＝argmin{Δ₁,Δ₂,...,Δ_k} (3)

式中：X表示像素点的坐标，Δ_k表示各点深度值与第k分割层深度值均值之间的差值，ω(X)表示计算后新的隶属层号；

8)根据光流信息和优化后的分割结果，计算前后帧图像间像素点对应关系，并由四元数法求解各层运动的旋转矩阵和平移矩阵；

式中：Ω表示图像区域，A_i和Β_i分别表示前后帧的对应像素点，R和τ分别表示旋转矩阵和平移矩阵；

9)根据求得的像素点变换矩阵，计算各分割层在水平方向、垂直方向和深度方向上的运动分量，获得初始场景流

(X₁,Y₁,Z₁)＝ψ_tk·α (5)

式(5)中，α＝(x₀,y₀)^T表示第一帧图像中的像素点，其对应的像素点为z₀，ψ_tk表示在t时刻、第k层的变换参数矩阵；

式(6)中，c_x和c_y表示相机的中心，f_x和f_y表示相机在水平和垂直方向上的焦距；

10)根据变形技术优化光流，然后通过优化后的光流与深度信息求解得到最终场景流结果(u,v,w)^T，优化的能量函数模型为：

式(7)中，E_data和E_depth分别表示RGB数据项与深度图数据项：

式(8)中，s_tk(x)由像分割结果得到的分层函数，0表示该数据无效，1代表该数据有效，I(x)和Z(x)分别表示灰度特征和深度值，ρ_c和ρ_d是鲁棒性参数；

式(7)中，E_spa-u、E_spa-v、E_spa-w为水平方向、垂直方向和深度方向上的运动约束项，λ_motion为运动约束项的权重系数；

式(9)中，η_b和η_u为鲁棒性惩罚函数；其中ψ_tk＝(R_tk,τ_tk)^T表示第t帧图像，k分割层中像素的变换矩阵参数，N_x表示像素点x＝(x,y)^T周围毗邻的四个像素点；

式(7)中，E_time是时间约束项，λ_time为其对应的权重系数；E_spa-g为空间约束项，λ_support为其对应的权重系数；

式(10)中，表示在时刻t、第k层的像素点x在下一时刻的对应点，其中{u_tk,v_tk}表示RGB图像平面的光流；

式(11)中，N_x表示像素点x＝(x,y)^T周围毗邻的四个像素点，常量ω₀＝0.1为空间平衡系数，避免图像中局部区域产生亮度突变的情况。