[发明专利]一种用于深度图计算的最优邻域图像组选择方法

权利要求书

1.一种用于深度图计算的最优邻域图像组选择方法，其特征在于，包括以下步骤：

步骤1，提取参考图像与其他图像上的仿射不变特征点，对检测到的特征点进行匹配，并计算特征点空间位置；

步骤2，在除参考图像外的所有图像中随机选取给定数量的图像构成候选邻域图像组，计算参考图像与候选邻域图像组的一致性程度；

步骤3，使用量子进化算法对候选邻域图像组进行迭代调整，使一致性程度不断提高，并将迭代结束时得到的图像组作为最优邻域图像组。

2.根据权利要求1所述的用于深度图计算的最优邻域图像组选择方法，其特征是，所述步骤1进一步包括：使用具有仿射不变性的检测子提取参考图像和其他图像中的特征点，对提取出的特征点进行匹配，并根据相机内外参数通过最小化特征点的图像重投影误差求取特征点空间位置。

3.根据权利要求1所述的用于深度图计算的最优邻域图像组选择方法，其特征是，所述步骤2进一步包括：从除参考图像外的所有图像中随机选取给定数量的图像构成候选邻域图像组，给定所有图像的相机光心位置，计算参考图像与候选邻域图像组的一致性程度，一致性程度由参考图像上所有特征点一致性求和得到，公式表示如下：

f(R,N)=Σp∈F(R)Wb(p,R)Wq(p,R)Wc(p,R)]]>

其中R表示参考图像；N表示候选邻域图像组；f(R,N)表示图像与候选邻域图像组的一致性程度；p表示R中的一个特征点；F(R)表示R中所有特征点构成的集合；W_b(p,R)表示特征点p的数量权重；W_q(p,R)表示特征点p的角度权重；W_c(p,R)表示特征点p的覆盖度权重。

4.根据权利要求1所述的用于深度图计算的最优邻域图像组选择方法，其特征是，所述步骤3进一步包括：在获得参考图像与候选邻域图像组的一致性程度后，使用量子进化算法对候选邻域图像组进行迭代调整，在迭代开始时，所有图像被选为邻域图像的概率均相等，之后从初始候选邻域图像组开始，每次迭代随机选择一组新图像构成当前的候选邻域图像组，如果当前邻域图像组与参考图像的一致性大于上一次迭代的一致性，则保留当前图像组，并增加当前图像组内图像的观测概率，反之则舍弃当前的图像组，这一迭代过程重复给定的次数，并将迭代结束时得到的图像组作为最优邻域图像组。