对应关系。这样，识别了各个视图中的对应局部 特征。如图1所示，对应局部特征不一定完全位于各个视图中的相同位置。例如，局部特征 201a相对于第二视图102中的对应局部特征201b位于靠近左边界的位置。同样，其它局部 特征202a、203a和204a相比于第二视图102的局部特征202b、203b和204b之间也存在位 移。
[0059] 为了确定第一视图101和第二视图102之间的局部特征对应关系，可以执行匹配 操作。为此，可以考虑各个视图的局部特征，以便识别具有相同或至少非常相似属性的第一 和第二视图中的局部特征。
[0060] 接着，在步骤40中，基于局部特征对应关系和深度图110执行对象分割。3D图像 数据基于确定的局部特征对应关系和深度图被分割为多个深度区域。图像分割处理的实施 例在图3中详细示出。
[0061] 深度图110可以表示为由多个深度图元素组成的二维矩阵。每个深度图元素可以 表示一个像素或多个像素。
[0062] 在步骤41中，量化深度图110,或者，换言之，量化深度图元素的深度值。
[0063] 通过这种量化，深度图110中的深度图元素的取值范围被划分为预定数目的子范 围。相同子范围内所有深度图元素的取值被分配给公共量化深度值。
[0064] 接着，组合具有相同量化深度值的相邻深度图元素，以便定义或识别深度区域。这 些识别的深度区域被用作以下分割过程的起始点。为了限制深度区域的数目和校正不一致 性，例如深度区域边界处的不规则，可以将较小深度区域合并到相邻深度区域，如下所述： 分别计算较小深度区域的量化深度值和相邻深度区域的所有量化深度值之间的距离，并且 可以将较小深度区域合并到具有最小距离的深度区域。可以迭代进行该过程，直到所有深 度区域大于预定阈值。
[0065]在步骤42中，消除不正确的局部特征对应关系，也称为错误或有误的局部特征对 应关系。为此，计算各个视图中的相应局部特征之间的空间位移。消除具有较大空间位移 的局部特征之间的对应关系。例如，可以删除空间位移大于预定位移值，例如3 〇的对应关 系，其中〇表示在第一视图101和第二视图102之间识别的对应关系的空间位移的直方图 的标准差。
[0066] 通常，正确匹配的空间位移非常小。此外，正确的空间位移仅沿着单个方向，最好 是在x维度上进行单方向移动。与此相比，错误的对应关系可以随机分布在整个图像上，其 中空间位移基本上大于平均距离。
[0067]步骤41和42的执行没有任何时序要求。它们可以并行或先后执行。
[0068]在步骤43中，计算深度区域内对应的局部特征的平均空间位移。为此，只考虑x维度上的位移。y维度上的位移被认为是噪声，因此y维度上的位移值被忽略。
[0069]在步骤44中，计算两个相邻深度区域之间的相关值，并且可以合并相关的相邻深 度区域。例如，如果计算得到的相关值大于预定阈值，则将两个深度区域合并到单个深度区 域。否则，认为这两个深度区域是独立的。
[0070] 在计算对应局部特征的平均距离之后，在步骤44中计算两个相邻深度区域之间 的相关值corr，如下所示：
[0071]
[0072] 在这个公式中，a是可配置的权重参数，D1和D2是第一和第二视图中的两个深度 区域的深度值，mdl和md2是第一和第二视图中的对应深度区域之间的计算得出的平均距 离。depthRange表示量化深度值的全范围，distRange指示平均空间位移值的全范围。基 于该公式，考虑两个因子，即对应深度区域的量化深度值和空间位移。
[0073] 如果计算得出的相关值大于预定阈值，则将两个深度区域合并到单个深度区域。 否则，认为这两个深度区域是独立的。这样，即使当对象包括具有不同深度值的多个子片段 时，有可能识别较大对象。
[0074] 为了进一步改进步骤44的分割，可以考虑额外信息以计算相邻深度区域之间的 相关值。例如，有可能确定视图的每个局部特征的具有顶点的图。相邻顶点可以通过边缘 连接在一起。图的边缘可以基于连接顶点之间的色差标准或任何其它标准规定边缘权重。 基于这种稀疏图，可以采用图像分割算法，以获得辅助图像分割。此外，这种辅助图像分割 可以用于根据以下公式计算相关值：
[0075]
[0076] 其中根据上述图像分割分析，〇是权重因子，b是二进制运算符。b的值如下：如 果观察到的深度区域被认为是与相同对象有关，则为+1 ;否则为_ 1。
[0077] 基于这种替代性的相关值，可以如上所述采用相邻深度区域的组合。
[0078] 可选地，为了改进图像数据的分割，在步骤45中执行边缘识别。使用步骤45中的 这种边缘检测或边缘识别过程的结果以使图像分割适应检测的边缘。任何已知边缘检测技 术可以应用于该步骤。
[0079] 如果识别了在整个深度区域延伸，并且因此将深度区域完全分割为至少两个深度 子区的边缘，则相应深度区域被划分为至少两个单独的深度区域。
[0080] 可选地，为了进一步加快步骤45中的边缘识别，图像数据可以被分割为关于前景 的前景图像数据和关于背景的背景图像数据。通常重定向不需要关于背景的背景图像数据 的图像分割。因此，图像分割还可以通过跳过背景数据并且只考虑前景图像数据而加快。
[0081] 图6示出了根据本发明一实施例的3D图像数据分割方法的流程图，该方法包括根 据本发明的前述方法实施例的所有步骤。
[0082] 根据另一实施例，如图7所示，提供了一种3D图像数据的分割装置100。装置100 可以包括处理器5,用于执行根据本发明的任意前述方法实施例所述的步骤。装置100还可 以包括接收器1，用于接收3D图像数据，确定图像的至少两个视图，以及确定或获取3D图 像的深度图110。接收器1可以从诸如摄像机或摄像机系统之类的3D图像数据源9、传输 线路或3D图像数据存储器或提供3D图像数据的任意其它源接收3D图像数据。接收器可 以用于通过基于接收到的3D图像数据进行计算或者通过从外部设备接收深度图110来确 定深度图110。当通过从外部设备接收来确定深度图时，接收器1还可以用于接收深度图 110。或者，装置100还可以包括用于接收深度图110的独立接收器。
[0083] 根据另一实施例，提供了一种3D图像数据分割的替代装置100。本装置100可以 包括用于执行本发明的前述方法实施例的每个步骤的构件。
[0084] 例如，图4示出了根据本发明的前述方法实施例的3D图像数据分割装置100。3D 图像数据包括至少两个视图，本实施例以两个视图为例，第一视图101和第二视图102。装 置100包括局部特征确定构件2。局部特征确定构件2确定第一和第二视图101和102的 局部特征，正如上文已描述的那样。或者，如图5所示，确定构件2的形式可以是两个独立构 件：第一视图局部特征确定构件2-1，用于确定第一视图101的局部特征；第二视图局部特 征确定构件2-2,用于确定第二视图102的局部特征。分别将图像的第一和第二视图101、 102提供给第一和第二视图局部特征确定构件2-1、2-2。
[0085] 基于局部特征确定构件2,或第一视图局部特征确定构件2-1和第二视图局部特 征确定构件2-2确定的局部特征，各