基于混合深度線索和樣本學(xué)習(xí)的3D電視立體內(nèi)容自動生成.pdf

1、近年來,3D電影開始吸引消費者和電影制作公司的關(guān)注,通過立體攝像機制作了越來越多的3D視頻。然而,大多數(shù)的視頻依舊以2D的格式存在,在后處理階段把這些2D視頻轉(zhuǎn)換成3D格式往往需要深度圖像估計。在本文中,通過對深度線索和機器學(xué)習(xí)方法的深入研究,討論了基于多深度線索融合和基于樣本學(xué)習(xí)的深度圖像估計方法,并分析了各自對應(yīng)的優(yōu)缺點。通過自適應(yīng)多深度線索融合的方式提出了一個改進的深度圖像估計算法,并且在基于樣本學(xué)習(xí)的方法中考慮到局部連接信息,利

2、用現(xiàn)代圖形處理單元(Graphics Processing Unit, GPU)的加速技術(shù)來實現(xiàn)快速的2D視頻立體化。本文深入討論了3D立體視頻生成過程中的深度圖像估計算法,主要從以下幾個方面開展了工作:
　　(1)分析了視頻立體化的原理,討論了幾種深度圖像估計方法,介紹了基于GPU的加速技術(shù)。
　　(2)提出了一個基于多深度線索融合的深度圖像估計方法,基于運動信息提取前景深度,利用相對高度線索估計背景深度。利用局部運動的自

3、適應(yīng)修復(fù),對原方法進行改進。實驗結(jié)果證明,改進的方法可以提高深度圖像的質(zhì)量,并能夠保持深度的幀間一致性。
　　(3)提出了一個基于學(xué)習(xí)的視頻立體化方法,兼顧全局和局部的圖像信息。對于視頻的關(guān)鍵幀,根據(jù)結(jié)構(gòu)相似的圖像具有相似深度的假設(shè),從RGB-D數(shù)據(jù)庫中使用樣本學(xué)習(xí)得到全局的深度信息,并以最小生成樹原理表示的局部連接信息來修復(fù)深度圖像。利用運動補償和深度傳播的方法來估計非關(guān)鍵幀的深度圖像。實驗結(jié)果顯示,相對于傳統(tǒng)的基于深度線索的深

4、度估計方法,本方法更加準確高效。
　　(4)通過GPU加速技術(shù),提出了一個快速的基于學(xué)習(xí)的視頻立體化方法。根據(jù)2D視頻立體化過程中各個模塊的時間花費,利用GPU的高效性能,對其中時間花費較長且滿足并行化的模塊進行GPU加速,并利用顯著圖對深度圖像做進一步的修復(fù)。在AMD Athlon II X46312.6GHz和英偉達GT630的編程環(huán)境下,實驗結(jié)果表明,GPU對可并行化的圖像處理具有良好的加速效果,使用GPU加速的模塊比使用C