單幅散焦圖像深度信息恢復(fù)算法研究.pdf

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