基于光场内联遮挡处理的噪声场景深度获取

吴 迪，张旭东，范之国，孙 锐

合肥工业大学计算机与信息学院，安徽 合肥 230601

1 引 言

光场相机[1]通过对单个场景进行多视角密集采样，使得高精度深度信息的挖掘成为可能，在深度传感器中不论在便携性还是精度方面都具有显著优势，适用于电影游戏特效、增强现实、人机交互等多种应用场景。

目前许多学者利用光场的各种特性挖掘深度信息，例如，基于极平面图像(epipolar plane images,EPI)的方法[2-3]、基于多视角立体匹配(multi-view stereo,MVS)的方法[4-5]和基于多视角图(angular patch,AP)的方法[6-7]。但是大部分方法仅考虑深度估计中的遮挡问题，忽略了算法对图像噪声的适应性要求。近年来，一些结合抗遮挡和抗噪的深度估计方法相继提出[8]，但其大多利用多线索融合(多成本量叠加)策略来提高方法对不同场景的适应能力。当噪声和遮挡较弱时，多线索融合策略可通过优势成本量的强响应覆盖劣势成本量的弱响应。但在高噪场景中由于成像一致性[9]无法满足，遮挡处理难度将显著提升，原本在遮挡区域的优势成本量将具有较低置信度，因此无法通过多线索融合策略覆盖劣势成本量。

针对含遮挡的噪声场景下的深度估计问题，提出了基于内联遮挡处理的深度估计方法，该方法将遮挡处理集成进抗噪成本量中，既保留了成本量原本的抗噪优势，又提升了抗遮挡性能。对于抗噪成本量的构建，本文方法改进了传统焦堆栈匹配度量，为单次匹配引入更多样本点，进一步提升了成本量的抗噪能力。……