| 主权项 |
一种从图像中恢复三维几何信息的方法，其特征在于，所述方法包括以下步骤：S1：获取场景图像及其对应的深度图作为训练库；S2：划分所述场景图像为图像块，利用统计学习方法以下式描述其对应于不同深度的概率并得到不同的参数值： <mrow> <msub> <mi>P</mi> <mi>L</mi> </msub> <mrow> <mo>(</mo> <mi>z</mi> <mo>|</mo> <mi>X</mi> <mo>;</mo> <mi>θ</mi> <mo>,</mo> <mi>λ</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mn>1</mn> <msub> <mi>N</mi> <mi>L</mi> </msub> </mfrac> <mi>exp</mi> <mrow> <mo>(</mo> <mo>-</mo> <munderover> <mi>Σ</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <mfrac> <mrow> <mo>|</mo> <msub> <mi>z</mi> <mi>i</mi> </msub> <mo>-</mo> <msubsup> <mi>x</mi> <mi>i</mi> <mi>T</mi> </msubsup> <msub> <mi>θ</mi> <mi>r</mi> </msub> <mo>|</mo> </mrow> <msub> <mi>λ</mi> <mrow> <mn>1</mn> <mi>r</mi> </mrow> </msub> </mfrac> <mo>-</mo> <munderover> <mi>Σ</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <munder> <mi>Σ</mi> <mrow> <mi>j</mi> <mo>∈</mo> <mi>N</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </mrow> </munder> <mfrac> <mrow> <mo>|</mo> <msub> <mi>z</mi> <mi>i</mi> </msub> <mo>-</mo> <msub> <mi>z</mi> <mi>j</mi> </msub> <mo>|</mo> </mrow> <msub> <mi>λ</mi> <mrow> <mn>2</mn> <mi>r</mi> </mrow> </msub> </mfrac> <mo>)</mo> </mrow> </mrow>其中，N(i)是图像块i的四连通邻域，M是深度图中深度值的总数目，xi是图像块i的特征向量，包括图像块及其邻域在三个不同尺度上滤波器返回值的绝对值和以及平方和，NL是归一化常数，θ、λ为参数，θr，λ1r，λ2r为图像第r行的参数，Zi和Zj分别为对应于图像块i和j的深度值；S3：对用于场景重建的图像对，建立包含图像块层、像素层以及连接像素层和对应图像块层的边的图结构；S4：利用步骤S2中统计学习获得的参数定义上述图结构的能量项；S5：将所述能量项作为约束加入到传统立体匹配的描述像素和像素之间视差关系的图中；S6：求解出两幅图像之间的视差图；其中，所述步骤S4包括以下步骤：S4-1：定义图结构中图像块层的能量项；S4-2：定义图结构中像素层的能量项；S4-3：定义连接图像块层与像素层的边的不一致项以及定义全局的能量项。 |
