[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

说明书

技术领域

本发明涉及一种计算机视觉领域的邻域图像选择方法，具体是一种用于深度图计算的最优邻域图像组选择方法。

背景技术

对于一副参考图像，通过与其相邻的多幅图像获得深度图是计算机视觉的重要研究方向之一，其在三维重建、视觉导航、场景理解等方面有着广泛的应用。在参考图像的深度图计算过程中，如何从大量的图像中选择最优的邻域图像组对于深度图计算的完整性和准确度具有重要影响，现有方法尚无法有效选择最优的邻域图像组。

经对现有技术的文献检索发现，M.Goesele等于2007年在《2007International Conference on Computer Vision》（2007年计算机视觉国际会议）上发表的论文“Multiview stereo for community photo collections”（用于社区图像的多视图立体重建）提出计算每幅相邻图像与参考图像的匹配得分，并通过贪心算法求得一组邻域图像组。该方法具有较高的计算效率，但无法保证结果为全局最优解。C.Bailer等于2012年在《2012European Conference on Computer Vision》（2012年欧洲计算机视觉会议）上发表的论文“Scale robust multi view stereo”（具有尺度鲁棒性的多视图立体重建）提出通过光轴夹角、尺度比值、空间覆盖度等三项指标衡量邻域图像匹配质量，并通过局部优化算法求取邻域图像组。该方法对图像尺度变化有一定鲁棒性，但仍然无法保证结果为全局最优解。

发明内容

（一）要解决的技术问题

为了克服现有技术存在的缺陷，本发明提出了一种用于深度图计算的最优邻域图像组选择方法。

（二）技术方案

本发明的用于深度图计算的最优邻域图像组选择方法包括步骤：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。

优选地，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。

优选地，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。