基于边缘梯度的散焦图像深度恢复.pdfVIP

第29卷第6期 贵州大学学报(自然科学版) V01．29No．6 ofGuizhou Dec．2012 Jottmal Sciences) 2012年12月 University(Natural 文章编号1000—5269(2012)06—0068—04 基于边缘梯度的散焦图像深度恢复 许义臣，孟传良+ (贵州大学计算机科学与信息学院，贵州贵阳550000) 摘要：在散焦图像中，点的模糊程度随物体的深度而变化，因此可以利用散焦图像中点的散焦 程度来估计物体的深度信息。本文提出了一种基于散焦图像中物体的边缘梯度关系来恢复图像 深度图的新算法，用一个已知参数的高斯函数对图像进行再模糊，然后求出模糊后的物体边缘梯 度，再与原图像中物体边缘梯度相比，再将该比值与图像的深度关联，求出图像中物体边缘处的 深度，再利用后续深度插值方法和深度图优化恢复出整幅图的深度信息。这种算法仅需要一幅 图像即可进行深度信息恢复，有较好的有效性。 关键词：深度图；散焦图；高斯梯度；立体视觉 中图分类号：TN911．73文献标识码：A 深度信息的恢复是计算机立体视觉中的一个 边缘处的深度值，再利用一种优化算法得到整幅图 重要的问题。随着计算机视觉相关技术的快速发 像的深度图。 展，产生了多种平面图像恢复深度信息的方法，这 1散焦光学系统模型 些方法一般是利用平面图像中的深度线索来恢复 本文的算法首先是恢复图像中物体边缘处的 深度图，其中，利用散焦信息恢复深度图是近来计 深度，所以先建立图像中物体的边缘模型。 算机视觉的一大热点。传统的利用散焦信息来恢 对于一幅照片，跳变型边缘是最常用的边缘模 复深度图的方法依赖一幅以上的图像¨。3J，通过对 型，理想的跳变型边缘模型可以由式(1)表示。 同一场景进行不同的相机配置得到多幅包含不同 八戈)=Au(x)+曰 (1) 散焦信息的图像，然后再对这些图像进行去散焦处 式中，M(髫)表示单位阶跃函数，B表示边缘偏移 理得到图像的散焦信息，最后得到深度图。Elder 基本值，A表示边缘比例因子，边缘处满足戈=0． 和Zueker利用散焦图像的一阶和二阶导数来确定 假设聚焦和散焦满足凸透镜的成像模型，如图 物体边缘位置以及边缘的散焦程度，得到边缘的散 l所示。 焦图和深度图，再得到物体边缘处的稀疏深度 图HJ。BaeFD等人利用插值算法将参考文献[4] 稀疏深度图扩展到整幅图像，从而恢复出整幅完整 的深度图∞J。Tai和Brown利用图像局部的对比 度区分方法估计每一点的散焦程度，从而推断每一 点的深度信息，再利用马尔科夫随机场理论修正和 优化恢复出的深度图【6J。本文提出一种利用散焦 信息来恢复图像深度图的新方法，利用一个已知方 差的高斯模糊函数将原始图像进行二次模糊，再求 图1薄透镜模型 出模糊后图像中物体的边缘梯度与原始图像中物 在图l中，处于聚焦平面的物体经过相机的镜 体边缘处梯度值之比，利用该比值可以恢复出图像