[发明专利]基于SVM模型的单目红外图像深度估计方法

权利要求书

1.一种基于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。

2.如权利要求1所述的一种基于SVM模型的单目红外图像深度估计方法，其特征在于，步骤3中所述纹理能量通过劳斯掩膜计算得到，具体步骤为：

采用N个基本的二维劳斯掩膜，记为M₁，...，M_N，将所述单目红外图像I(x，y)与每一个二维劳斯掩膜做卷积，则单目红外图像I(x，y)与第k个二维劳斯掩膜卷积后的值为：T_k(x，y)＝I(x，y)×M_k，k＝1，...，N，则第i个像素点在第j尺度上的第m个图像块Nⁱ(m)在单目红外图像I(x，y)与第k个二维劳斯掩膜卷积后得到的纹理能量为

EnNi(m)j=Σx,y∈Ni(m)|Tk(x,y)|.]]>