[发明专利]一种基于超像素的目标重建方法

摘要

本发明提供一种基于超像素的目标重建方法，该方法由从运动到结构的投影矩阵估计、超像素下多视图立体视觉匹配以及深度图的合成与融合组成,具体流程包括六大步骤，步骤一：读入图像序列，利用运动到结构方法SFM估计相机投影矩阵；步骤二：对图像对进行超像素分割；步骤三：为每个超像素计算可能的深度值；步骤四：利用MRF模型选择超像素的最优深度值；步骤五：建立多尺度超像素框架；步骤六：深度图融合与表面网格化。本发明克服了基于超像素的立体视觉匹配精度不足的缺点，并利用其对噪声与亮度偏差鲁棒性强、能够准确提供目标轮廓信息以及计算复杂度小的优点，针对纹理区域及无纹理区域均可实现较好的重建结果，普适性强，具有广阔的应用背景。

主权项

1.一种基于超像素的目标重建方法，其特征在于：包括以下步骤：第一步，利用运动到结构方法SFM处理图像序列，估计每幅图像对应的投影矩阵；第二步，对图像序列进行极线校正，利用自适应的简单线性迭代聚类超像素算法Adaptive‑SLIC对图像序列进行分割，实现图像序列的超像素分割，得到图像序列中的每幅图像中超像素的分割结果；第三步，将经过分割得到的超像素中的超像素作为匹配窗，利用零归一化互相关相似性测度ZNCC，作为匹配代价为每一个分割后的超像素计算出一系列可能的超像素的深度值，记为深度值的可能值集合；第四步，以超像素作为马尔科夫随机场模型节点，深度值的可能值集合中的每个深度值作为该马尔科夫随机场模型中节点的各个状态值，通过求解马尔科夫随机场模型来获得每个超像素的最优深度值；第五步，为进一步提高最优深度值估计的精确度，建立多尺度超像素框架，对每个匹配后的图像对的参考图像进行多次的Adaptive‑SLIC超像素分割，将参考图像分割为不同数量的超像素，对应不同的超像素尺寸，利用这些不同尺寸的超像素进行基于MRF的立体匹配即得到参考图像中同一个像素点的M个候选深度值；第六步，深度图融合与表面网格化，M个候选深度值对应各自的视差值pi，利用极线约束与所述视差值pi对M个候选深度值重新评估，评价的指标为ZNCC值，将ZNCC值最高的深度值赋给指定像素，遍历所有像素便完成了深度图的合成，再将每个视角的深度图转换到同一视角下表达，最后利用泊松表面重建方法对重建结果进行表面网格化，得到重建模型，完成基于超像素的目标重建。