[发明专利]一种基于轮廓匹配的深度扩散方法及装置

权利要求书

1.一种基于轮廓匹配的深度扩散方法，其特征在于，包括如下步骤：

输入多帧图像，提取所述多帧图像中每一帧图像的轮廓以得到每一帧图像的轮廓序列，所述轮廓序列包括所述每一帧图像的每个轮廓的信息；

根据所述每一帧图像轮廓序列计算每一帧图像的轮廓序列中每个轮廓的轮廓特征值；

将当前帧图像的每个轮廓特征值与所述当前帧的前一帧图像的轮廓序列中每个轮廓的轮廓特征值进行比对以获取所述当前帧图像的每个轮廓的在所述前一帧图像中的相似轮廓；

将所述前一帧图像中的所述相似轮廓所包围区域的深度值赋值给所述当前帧的对应轮廓所包围区域以得到所述当前帧的每个轮廓的深度值，根据所述当前帧的每个轮廓的深度值生成所述当前帧图像的深度图。

2.如权利要求1所述的基于轮廓匹配的深度扩散方法，其特征在于，

所述轮廓序列中每个轮廓的信息包括所述每个轮廓的像素点位置。

3.如权利要求1所述的基于轮廓匹配的深度扩散方法，其特征在于，所述每个轮廓的特征值包括所述每个轮廓的区域直方图、所述每个轮廓的矩和所述每个轮廓的地球移动距离。

4.如权利要求1所述基于轮廓匹配的深度扩散方法，其特征在于，在所述计算每个轮廓的轮廓特征值之前还包括对所述每一帧图像的轮廓序列进行去噪，包括如下步骤：

计算所述轮廓序列中各个轮廓的长度，去除所述各个轮廓中轮廓长度小于长度阈值的轮廓噪声，根据去除所述轮廓噪声后的各个轮廓更新所述轮廓序列。

5.如权利要求1所述的基于轮廓匹配的深度扩散方法，其特征在于，进一步包括：对所述当前帧图像进行深度图修正，包括如下的步骤：

利用边缘提取算法计算所述当前帧图像的边缘信息，其中所述边缘信息包括所述当前帧图像的边缘区域；

根据所述当前帧图像的边缘信息，对所述当前帧的轮廓序列中各个轮廓超出所述边缘区域或者小于所述边缘区域的范围进行修正以使所述各个轮廓的边界与所述当前帧图像的边缘信息一致，对所述当前帧的深度图中没有赋值的深度区域进行赋值。

6.如权利要求5所述的基于轮廓匹配的深度扩散方法，其特征在于，所述的边缘提取算法采用的是索贝尔SOBEL算法或Laplacian拉普拉斯算法。

7.如权利要求5所述的基于轮廓匹配的深度扩散方法，其特征在于，所述的对轮廓的深度值进行修正包括如下的步骤：

当所述轮廓序列中的轮廓的范围超出所述当前帧图像的边缘区域时，采用所述当前帧图像的边缘区域作为对应轮廓的边缘，并去除所述当前帧图像的边缘区域的范围外的区域的深度值；

当所述轮廓序列中的轮廓的范围小于所述当前帧图像的边缘区域，则扩大相应轮廓的区域至与所述当前帧图像的边缘区域，并对扩大的区域赋予所述相应轮廓的区域的深度值。

8.如权利要求5所述的一种基于轮廓匹配的深度扩散方法，其特征在于，采用以下方式之一对所述当前帧的深度图中没有赋值的深度区域进行赋值：

邻域填充、高斯滤波、双边滤波、图像自动修复Inpaiting技术或空间深度扩散。

9.一种基于轮廓匹配的深度扩散装置，其特征在于，包括：

输入模块，所述输入模块用于输入多帧图像，提取所述多帧图像中每一帧图像的轮廓以得到每一帧图像的轮廓序列，所述轮廓序列包括所述每一帧图像的每个轮廓的信息；

特征值计算模块，所述特征值计算模块与所述输入模块相连，用于根据所述每一帧图像轮廓序列计算每一帧图像的轮廓序列中每个轮廓的轮廓特征值；

比对模块，所述比对模块与所述特征值计算模块相连，用于将当前帧图像的每个轮廓特征值与所述当前帧的前一帧图像的轮廓序列中每个轮廓的轮廓特征值进行比对以获取所述当前帧图像的每个轮廓的在所述前一帧图像中的相似轮廓；

深度赋值模块，所述深度赋值模块与所述比对模块相连，用于将所述前一帧图像中的所述相似轮廓所包围区域的深度值赋值给所述当前帧的对应轮廓所包围区域以得到所述当前帧的每个轮廓的深度值，根据所述当前帧的每个轮廓的深度值生成所述当前帧图像的深度图。

10.如权利要求9所述的基于轮廓匹配的深度扩散装置，其特征在于，

所述轮廓序列中每个轮廓的信息包括所述每个轮廓的像素点位置。