[发明专利]一种基于自适应非局部平滑的3D场景流估计方法

摘要

本发明属于机器视觉领域，具体涉及一种基于自适应非局部平滑的3D场景流估计方法。本发明包括：根据双目摄像机获取的立体图像序列之间的对应关系，将局部约束方法与全局平滑相结合，并引入自适应非局部平滑；参考Lucas模型，设计局部邻域约束的场景流数据项；平滑项采用鲁棒函数，构造近似于L1范数的全变分平滑；使用去对偶的方式求解能量泛函。本发明能够有效地去除图像序列中噪声产生的异质点，保持运动场的边缘信息，能有效地传递给低纹理区域。

主权项

1.一种基于自适应非局部平滑的3D场景流估计方法，其特征在于，包括以下步骤：S1根据双目摄像机获取的立体图像序列之间的对应关系，将局部约束方法与全局平滑相结合，并引入自适应非局部平滑，构建场景流能量泛函：S2参考Lucas模型，设计局部邻域约束的场景流数据项：其中，region为像素点的邻域范围，ω为像素点在计算流场时的权重系数，像素点离中心越近，权重系数ω越大；由于数据项的邻域约束是相同像素点在时刻t和时刻t+1的左右图像对的邻域之和，可以有效降低噪声带来的估计误差，数据项满足亮度不变性假设,并引入鲁棒性惩罚函数ψ(s2)去除集外点的影响；S3平滑项采用鲁棒函数ψ(s2)来构造全变分平滑：STV＝ψ(|▽u|2+|▽v|2+|▽w|2),在原有全变分平滑项STV的基础上，引入自适应非局部平滑SMF，通过计算速度邻域内所有相似点欧式距离的平均值，在迭代的每一层对流场进行自适应平滑处理，消除图像噪声与环境噪声，通过滤波的方式将有效的运动信息投射给无法获取有效运动信息的低纹理区域：其中，ηi,j,i',j'为自适应权重因子，它代表了像素点(i',j')与(i,j)处的流场的相似程度；在每一次迭代中平滑场景流，引入辅助变量(u',v',w')，在迭代计算中通过去耦合加速模型的计算，辅助平滑项定义如下：SDU＝(||u‑u'||2+||v‑v'||2+||w‑w'||2)；S4使用去对偶的方式求解能量泛函，将能量泛函分解成相互对偶的两个方程：E(u',v',w')＝∫Ω(λ2SDU+λ3SMF)dx,采用交替迭代求全局最优解的方式，分别求得3D场景流和辅助流场。