[发明专利]一种基于遮挡几何互补模型的光场相机深度估计方法

说明书

本发明公开了一种基于遮挡几何互补模型的光场相机深度估计方法。本发明利用光场光流理论得到光场图像多个视角的遮挡信息，再利用了相对的两个视角中，所看到遮挡区域具有互补关系的性质，通过求两个视角的遮挡信息，对两部分信息进行融合，从而实现精确的光场图像深度估计。本发明能够对具有丰富纹理变化的区域实现很好的遮挡结果，并且得到精确的深度图。

技术领域

本技术所属技术领域为计算机视觉领域，是一种基于遮挡几何互补模型的光场相机深度估计方法。

背景技术

光场相机可以捕获四维光场的空间-角度信息。与传统相机相比，它可从单帧光场图像中获取多视点或子光圈图像，为视觉分析和理解提供更有用的线索和信息。从光场图像中恢复出精确深度信息已成为当前计算机视觉和计算摄影学领域中的研究热点之一。

目前已提出了许多光场相机的深度恢复方法。早期深度恢复方法可追溯到有关焦点栈和景深提取的研究[1]。Georgiev和Lumsdaine通过计算微透镜图像间归一化互相关来估计视差图[2]。Bishop和Favaro提出一种可变贝叶斯框架重建场景深度[3]。Perwass和Wietzke提出一种基于对应性的深度估计方法[4]。Yu等人分析光场图像中线段的三维几何，并通过子光圈图像间线段匹配来计算视差图[5]。Tao等人讨论了不同深度线索在遮挡、重复纹理和噪声下的优缺点，并在此基础上，提出了基于多线索融合的深度估计方法[6]。Jeon等人提出光场相移理论实现亚像素精度的深度估计[7]。Lin等人提出基于焦点栈和数据一致性测度的深度图恢复方法[8]。然而受制于光场图像的有限空间和角度分辨率，光场相机深度恢复依然面临着精度和鲁棒性的挑战，特别是在深度不连续和遮挡区域。NeusSabater等人给出了一种基于Lytro光场相机原始数据的精确视差估计方法[9]。近期Wang等人提出了一种光场遮挡模型[10,11]，虽然表现出了较好的性能，但对颜色和纹理边缘敏感，因此对于具有丰富纹理变化的物体表面难以获得令人满意的结果。

参考文献

[1]F.Nava,J.Marichal-Hernndez,and J.Rodrguez-Ramos.The discrete focalstack transform.In 16th European Signal Processing Conference(EUSIPCO 2008),2008.

[2]T.Georgiev,and A.Lumsdaine.Depth of field in plenoptic cameras.In30th Annual Conference of the European Association for Computer Graphics(EuroGraphics 2009),2009.

[3]T.E.Bishop,and P.Favaro.The light field camera:Extended depth offield,aliasing,and superresolution.In IEEE Transactions on Pattern Analysisand Machine Intelligence(PAMI),vol.34,no.5,pp.972–986,2012.

[4]C.Perwass and P.Wietzke.Single lens 3d-camera with extended depth-of-field.In SPIE Elect.Imaging,2012.

[5]Z.Yu,X.Guo,H.Ling,A.Lumsdaine,and J.Yu.Line assisted light fieldtriangulation and stereo matching.In Proceedings of International Conferenceon Computer Vision(ICCV),2013.