[发明专利]一种联合全局建模和非局部滤波的深度计算重建方法

摘要

本发明为一种联合全局建模和非局部滤波的深度计算重建方法，属于图像处理领域。该方法借助于高分辨率彩色图，对初始低质量深度图通过全局方式建立深度计算重建模型，并通过非局部的定点迭代滤波方法进行深度重建。本方法程序简单，易于实现，能够获得分辨率更高的深度图像；全局建模方法利用了彩色图像全局的信息，恢复深度图像中深度边缘以及非局部的细小结构的效果好；利用求导的方式推导出定点迭代滤波算法，避免了采用最小二乘求解大规模矩阵求逆的问题，在设计和实现上保持了精简性，而且在算法上具有低复杂度。

主权项

1.一种联合全局建模和非局部滤波的深度计算重建方法，其特征在于，所述方法包括下列步骤：第一步，准备初始数据；初始数据包括低分辨率深度图和高分辨率彩色图；低分辨率深度图经双三次插值得到初始低质量深度图；将高分辨率彩色图转换成无向连接图G；基于无向连接图G，构建拉普拉斯矩阵给定边权重矩阵K，其中K中的某一位置K(p,q)表示像素p和q的相似度概率ωp,q，ωp,q根据像素p和q的彩色相似度，利用非局部均值滤波核来确定，方程如下：其中，exp为指数函数，Gp为以像素p为中心的高斯核，核大小为ω×ω；Cp和q为像素p和q的彩色值，P(Cp)和P(Cq)为相应的彩色图像块；σ为控制指数函数变化的调控参数，对于当前图G，其中的像素点p的度数定义为np，表示为所有连接到像素p的边的权重之和，具体形式如下：其中，q为所有连接到像素p的相邻像素，p的邻域大小为ω1×ω1，至此，无向图的拉普拉斯矩阵定义为：其中，N为度数矩阵，仅在矩阵对角线上有值，即N(p,p)＝np，其他值均为零，I为单位矩阵，W为归一化后的边权重矩阵；第二步，根据拉普拉斯矩阵建立先验约束；2‑1)根据数据的不依赖滤波特性推导出先验约束：d*＝Wd*    (1)式中，d*为输入理想深度图的向量表达形式，W为归一化后的边权重矩阵；应用边权重矩阵W建立不依赖数据的滤波器；2‑2)根据公式(1)，得到滤波器与拉普拉斯矩阵间的关系：式中，I为单位矩阵；第三步，构建全局优化方程；3‑1)将第二步得到的约束结合到深度重建框架内，得到如下优化方程：式中，min为求取能量方程的最小值，d为待求的高质量深度图的向量表达形式，为输入的初始低质量深度图的向量表达形式，P为观测矩阵，λ为平衡前后两项的系数，λ取值为0.1，‖·‖₂为2范数；3‑2)将优化方程(3)转化为逐像素表示形式，方程如下：其中，h_p为像素p在观测矩阵P内的对应位置的值，d_p和d_q分别为像素p和q的深度值，为像素p的初始深度值，ω_p,q为像素p和q的相似度权重；第四步，应用非局部的定点迭代滤波算法，得到高质量深度图。