[发明专利]一种基于全概率模型的多视点深度图增强系统

权利要求书

1.一种基于全概率模型的多视点深度图增强系统，其特征在于，包括以下步骤：

步骤一.图像预处理步骤：针对高清(超清)图片包含的庞大像素数量，对原始图像进行超像素聚类，降低图像处理的计算复杂度；

步骤二.颜色信息聚类步骤：有效的颜色信息分类是深度图增强的基础，本文使用狄利克雷混合模型(DMM-Dirichlet mixture model)逼近三维超像素向量的分布，并运用变分贝叶斯方法(VB-Variational Bayes)估计模型参数，从而获得作为颜色分类依据的责任矩阵R；

步骤三.深度信息聚类及增强步骤：

A、深度信息聚类步骤：在颜色信息分类结果的基础上，按照各像素的深度值再细分出不同子类，此处对一维深度像素矢量用贝塔混合模型(BMM–Beta Mixture Model)建模；

B、深度图增强步骤：计算步骤A中所得子类内像素矢量的深度均值，更新原始深度值，最终完成深度图的增强，得到层次更加清晰，结构更加紧凑的深度图。

2.如权利要求1所述的一种基于全概率模型的多视点深度图增强系统，其特征在于，步骤二所述的颜色信息聚类步骤为：

1)对步骤一所得三维超像素矢量S_m归一化，得到三维向量x_k，

2)用狄利克雷混合模型对超像素向量进行建模，模型表示为：

Dir(Sm|u→)=τ(Σk=1Kuk)Πk=1Kτ(uk)Πk=1Kxuk-1,uk>0;]]>

结合变分推断法估计模型参数，得到超像素矢量的概率密度函数：

p(S|Π,U)=Πm=1MΣi=1IπiDir(Sm|ui),0≤πi≤1;]]>

3)根据概率密度函数的到责任矩阵R,其中，中各元素表示超像素S_m属于第i类的概率，判定依据如下：