[发明专利]基于SVM模型的单目红外图像深度估计方法

摘要

本发明提出一种针对红外图像进行深度估计的方法，利用支持向量回归理论对已对红外图像提取的深度特征构建深度估计模型，从而利用深度模型估计新的红外图像的深度图。首先选取红外图像中的特征向量；接着利用逐步线性回归方法查找与红外深度特征相关的特征向量，对筛选的特征向量再进行独立成分分析，得出互相独立的特征向量，并构建红外深度训练集；然后以具有核函数的非线性支持向量回归理论为基础对训练集计算得出深度估计模型；最后对新引入的红外图像按照训练集中的特征提取方法进行提取后通过模型对其进行深度估计，从而得出该红外图像的深度图。实验结果证明，该方法能够有效估计红外图像的深度图。

主权项

一种基于SVM模型的单目红外图像深度估计方法，其特征在于，步骤为：步骤1、获取任意单目红外图像I(x，y)及与该单目红外图像I(x，y)所对应的深度图；步骤2、为单目红外图像I(x，y)中的每个像素点设定至少三个不同尺度上的特征区域，三个不同尺度由小到大分别为：第一尺度、第二尺度及第三尺度，其中，每个尺度的特征区域至少包括位于中心的图像块及与该图像块上、下、左、右相邻的图像块，第i个像素点在第一尺度上的位于中心的图像块为第i个像素点本身，该第i个像素点在第二尺度上的位于中心的图像块包含第一尺度上的所有图像块，该第i个像素点在第三尺度上的位于中心的图像块包含第二尺度上的所有图像块，以此类推；步骤3、计算单目红外图像I(x，y)中每个像素点所对应的特征区域的特征向量，第i个像素点的特征向量的特征分量至少包括：第i个像素点在第一尺度上的所有图像块的灰度值，第i个像素点在除第一尺度外的其他尺度上的各图像块的纹理能量，第i个像素点在除第一尺度外的其他尺度上的各图像块的不同方向的梯度能量及所有梯度能量的均值和方差，及第i个像素点在除第一尺度外的其他尺度上的各图像块的清晰度；步骤4、对步骤3中已获取的所有特征向量依次利用逐步线性回归分析和独立分量分析的方法进行筛选，得到较为符合红外图像深度信息的特征向量；步骤5、利用通过步骤4筛选得到特征向量与该单目红外图像I(x，y)所述对应的深度图构建深度训练样本集合，将深度训练样本集合中的特征向量映射到另一新的特征空间中，并把新的特征空间与深度图的深度值用支持向量回归进行非线性拟合，进而构建深度模型；步骤6、将采集到的新单目红外图像通过步骤5得到的深度模型分析得到深度估计值。