

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、在計(jì)算機(jī)視覺(jué)研究領(lǐng)域當(dāng)中,關(guān)于物體的三維重構(gòu)一直以來(lái)是一個(gè)熱點(diǎn)問(wèn)題,而直接獲取物體的三維信息受昂貴硬件設(shè)備的限制,所以人們重點(diǎn)研究利用二維圖像恢復(fù)目標(biāo)場(chǎng)景的深度信息。二維圖像中物體的深度信息是指在拍攝過(guò)程中,物體距離相機(jī)鏡頭的遠(yuǎn)近。傳統(tǒng)的基于雙(多)目視覺(jué)的深度恢復(fù)方法雖然能夠恢復(fù)出目標(biāo)場(chǎng)景較高精度的深度信息,已被眾多學(xué)者廣泛研究和使用,但是均需要圖像相似點(diǎn)匹配計(jì)算,運(yùn)算量很大并且容易出錯(cuò)。與之相比,基于單目視覺(jué)的深度恢復(fù)方法因其計(jì)算簡(jiǎn)
2、單、實(shí)時(shí)性較高的特點(diǎn)逐步受到越來(lái)越多學(xué)者的追捧,而其最常用的單目線索就是散焦模糊信息。
散焦測(cè)距法(DFD)作為單目視覺(jué)深度恢復(fù)方法中的代表,不僅有效避免了需要目標(biāo)場(chǎng)景大量的圖像以及復(fù)雜的計(jì)算過(guò)程等問(wèn)題,并且還具有高實(shí)時(shí)性的優(yōu)點(diǎn)。DFD通過(guò)分析比較同一場(chǎng)景物體散焦成像的差異來(lái)估算出物體的深度,需要場(chǎng)景的兩幅及以上散焦模糊程度不同的圖像。二次成像的約束加大了該算法操作的復(fù)雜性,限制了其在實(shí)際生活中的應(yīng)用。為克服傳統(tǒng)DFD的不足,
3、本文在基于單目散焦模糊線索的基礎(chǔ)上開(kāi)展單幅散焦圖像深度恢復(fù)方法的研究,具體研究工作如下:
?。?)基于高斯-柯西混合模型的單幅散焦圖像深度恢復(fù)方法。使用高斯分布函數(shù)或柯西分布函數(shù)近似點(diǎn)擴(kuò)散函數(shù)模型(PSF),根據(jù)圖像邊緣處散焦模糊量的大小與場(chǎng)景深度之間的關(guān)系估算出深度信息,是常用的一種方法。但是真實(shí)世界中圖像模糊的緣由千變?nèi)f化,單一的高斯分布函數(shù)或柯西分布函數(shù)并不能很好地模擬每一種散焦成像過(guò)程,并且傳統(tǒng)的方法對(duì)于圖像中邊緣不明顯
4、、深度變化特別細(xì)微以及存在陰影現(xiàn)象區(qū)域的深度恢復(fù)結(jié)果不夠準(zhǔn)確。為了獲取更為精確的深度信息,提出一種利用高斯-柯西混合模型近似PSF的方法,首先對(duì)原始圖像進(jìn)行再模糊處理,得散焦程度不同的兩幅圖像,通過(guò)計(jì)算兩幅散焦圖像邊緣處梯度的比值,估算出圖像邊緣處的散焦模糊量,得到稀疏深度圖,最后使用深度擴(kuò)展法得到場(chǎng)景的全景深度圖。通過(guò)大量真實(shí)圖像的測(cè)試,說(shuō)明新方法能夠從單幅散焦圖像中恢復(fù)出完整、可靠的深度信息,并且結(jié)果好于目前常用的方法。
5、(2)基于超像素分割的單幅散焦圖像深度恢復(fù)方法。目前現(xiàn)有的單幅散焦圖像深度恢復(fù)算法大多計(jì)算出的都是圖像每個(gè)像素的深度值,首先計(jì)算出圖像邊緣處像素的散焦模糊量,并且通過(guò)一定的方法擴(kuò)展到全圖像素而得到全景深度圖。在這些算法中,邊緣散焦模糊量向全局?jǐn)U展的過(guò)程非常復(fù)雜,需要消耗大量的時(shí)間進(jìn)行計(jì)算。同時(shí),這些算法對(duì)于圖像中邊緣不明顯、紋理復(fù)雜及以存在陰影現(xiàn)象區(qū)域深度信息的恢復(fù)存在一定的誤差。本文提出的方法通過(guò)計(jì)算超像素級(jí)別的散焦模糊量很好地改善了
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于散焦圖像的深度恢復(fù)算法研究.pdf
- 利用散焦信息的深度恢復(fù)算法研究.pdf
- 基于散焦圖像的攝像機(jī)標(biāo)定和深度恢復(fù)算法研究.pdf
- 基于單幅散焦圖像的深度估計(jì)算法的研究.pdf
- 多視角視頻深度信息恢復(fù)算法的研究.pdf
- 基于先驗(yàn)信息的圖像恢復(fù)算法研究.pdf
- 基于散焦圖像的深度恢復(fù)技術(shù)研究.pdf
- 霾圖像恢復(fù)算法研究.pdf
- 基于深度學(xué)習(xí)和用戶交互的單張圖像深度恢復(fù)算法研究.pdf
- 盲圖像恢復(fù)算法的研究.pdf
- 基于SSVM的場(chǎng)景深度信息恢復(fù)算法研究.pdf
- 深度圖像修復(fù)算法研究
- 圖像壓縮感知融合恢復(fù)算法研究.pdf
- 基于云的圖像恢復(fù)算法研究.pdf
- 低劑量CT圖像恢復(fù)算法研究.pdf
- 3D圖像深度信息分類修復(fù)算法.pdf
- 運(yùn)動(dòng)模糊圖像恢復(fù)算法研究與實(shí)現(xiàn).pdf
- 運(yùn)動(dòng)模糊圖像的高效恢復(fù)算法研究.pdf
- 基于SMP結(jié)構(gòu)的圖像恢復(fù)算法研究.pdf
- 盲圖像恢復(fù)算法的研究與改進(jìn).pdf
評(píng)論
0/150
提交評(píng)論