[发明专利]基于K均值聚类的光场前景分割方法及装置

权利要求书

1.一种基于K均值聚类的光场前景分割方法，其特征在于，包括：

步骤A：针对待处理的光场图像，从所述光场图像中提取重聚焦图像、极线平面图像和全清晰图像；

步骤B：采用结构张量方法对所述极线平面图像进行处理，获取所述光场图像中不同透镜视角的极线平面深度信息；

步骤C：采用离散余弦响应方法对所述重聚焦图像进行处理，获取所述光场图像的重聚焦信息；

步骤D：采用超像素分割技术对所述全清晰图像进行处理，获取全清晰图像分割后的多个区域，以及

步骤E：针对每一个区域，基于该区域的极线平面深度信息、所述重聚焦信息、颜色信息和几何信息对该区域进行特征提取，获得该区域的颜色特征、几何特征、对应点特征和重聚焦特征；

步骤F：对于所有区域，基于每一个区域的颜色特征、几何特征、对应点特征和重聚焦特征，采用K均值聚类计算相邻区域之间的相似度；

步骤G：基于相邻区域之间的相似度，采用图割算法标记前景和背景，获取所述光场图像的前景分割结果。

2.根据权利要求1所述的方法，其特征在于，所述步骤B包括：

光场图像的坐标信息为(s,t,x,y)，其中，(s,t)代表拍摄场景的光线入射角度维度，(x,y)代表光线入射位置维度；所述极线平面图像的坐标信息为(x,s)或者(y,t)；

步骤B1、根据视差与深度之间的转换公式一、所述极线平面图像的结构张量公式二，获取所述极线平面图像中一条光线的方向公式三；

步骤B2、根据所述极线平面图像中一条光线的方向，估计场景点所在的深度，及该深度的可信度；

步骤B3、每一场景点所在的深度和深度可信度组成极线平面深度信息；

其中，公式一：

Δs是在x维度上的偏移量，Δs是在s维度上的偏移量；

f是微透镜阵列与成像面的距离，D是物体到相机的距离；

公式二：

其中，上述公式中的H_xs、H_xx、H_ss均为变换中的一种数据结构；

G_σ是以σ为方差的高斯函数，I_x和I_s分别是(y^*,t^*)下极线平面在x和s方向的梯度分量；

用一个向量表示极线平面图像中一条光线的方向：

公式三：

估计的场景点所在的深度为：

公式四：

估计深度的可信度为：

公式五：

其中，(y^*,t^*)为给定的极限平面，y^*和t^*均为给定极限平面的坐标。

3.根据权利要求2所述的方法，其特征在于，所述步骤C包括：

针对每一张重聚焦图像，使用一个滑动窗口对每一个像素及其邻域进行离散余弦变换DCT：经过离散余弦变换后，所述重聚焦图像中每一个像素得到K＝a²个DCT频率响应分量；前K-1个DCT频率响应分量记为{w_k},k＝1,2,…,K-1；

且每一个像素在一张重聚焦图像中的聚焦度为

其中，a是表示像素个数的参数。

4.根据权利要求3所述的方法，其特征在于，所述步骤D包括：

步骤D1、首先计算全聚焦图像的梯度图，然后将梯度小于预设值G_th的像素选择出来；

步骤D2、然后用四邻域准则将基于所述梯度图选择出来的像素连接起来；连接起来的像素块中，区域面积小于预设值S_th的都被过滤掉，没有被过滤的区域用数字标记起来；

在采用超像素技术预划分的全清晰图像中的区域和没有被过滤的区域中，包含有相同数字标记的两个相邻区域就被合并，得到多个区域，用{S_i},i＝1,2,…,I来表示多个区域。