基于非参数化采样的单幅图像深度估计.PDFVIP

第３４卷第６期 计 算 机 应 用 研 究 Ｖｏｌ．３４Ｎｏ．６ 　 　 ２０１７年６月　 ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ Ｊｕｎ．２０１７ 基于非参数化采样的单幅图像深度估计 朱　尧，喻　秋 （武汉大学计算机学院，武汉４３００７２） 摘　要：针对传统单幅图像深度估计线索不足及深度估计精度不准的问题，提出一种基于非参数化采样的单幅 图像深度估计方法。该方法利用非参数化的学习手段，将现有ＲＧＢＤ数据集中的深度信息迁移到输入图像中 去。首先计算输入图像和现有ＲＧＢＤ数据集多尺度的高层次图像特征；然后在现有ＲＧＢＤ数据集中，基于高层 次的图像特征通过ＫＮＮ最近邻搜索找到若干与输入图像特征最匹配的候选图像，并将这些候选图像通过 ＳＩＦＴ 流形变到输入图像进行对齐；最后对候选深度图进行插值和平滑等优化操作，便可以得到最后的深度图。实验 结果表明，与现有算法相比，该方法估计得到的深度图精度更高，对输入图像的整体结构保持得更好。 关键词：单幅图像；深度估计；非参数化采样；ＲＧＢＤ数据集 中图分类号：ＴＰ３９１．４１　　　文献标志码：Ａ　　　文章编号：１００１３６９５（２０１７）０６１８７６０５ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１３６９５．２０１７．０６．０６３ Ｎｏｎｐａｒａｍｅｔｒｉｃｓａｍｐｌｉｎｇｂａｓｅｄｄｅｐｔｈｅｓｔｉｍａｔｉｏｎｆｒｏｍｓｉｎｇｌｅｉｍａｇｅ ＺｈｕＹａｏ，ＹｕＱｉｕ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒ，ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ４３００７２，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｇｉｖｅｎｔｈｅｉｎｓｕｆｆｉｃｉｅｎｔｄｅｐｔｈｃｕｅｓａｓｗｅｌｌａｓｔｈｅｉｎａｃｃｕｒａｔｅｄｅｐｔｈｅｓｔｉｍａｔｉｏｎｏｆｓｉｎｇｌｅｉｍａｇｅｓ，ｔｈｉｓｐａｐｅｒｐｒｅｓｅｎｔｅｄ ａｎｏｎｐａｒａｍｅｔｒｉｃｓａｍｐｌｉｎｇｂａｓｅｄｄｅｐｔｈｅｓｔｉｍａｔｉｏｎｍｅｔｈｏｄ．Ｔｈｉｓｍｅｔｈｏｄｔｒａｎｓｆｅｒｒｅｄｔｈｅｄｅｐｔｈｉｎｆｏｒｍａｔｉｏｎｏｆｔｈｅｉｍａｇｅｓｉｎｃｕｒ ｒｅｎｔＲＧＢＤｄａｔａｂａｓｅｔｏｔｈｅｉｎｐｕｔｓｉｎｇｌｅｉｍａｇｅｂｙｕｓｉｎｇｔｈｅｎｏｎｐａｒａｍｅｔｒｉｃｓａｍｐｌｉｎｇｗａｙ．Ｆｉｒｓｔ，ｔｈｅａｌｇｏｒｉｔｈｍｃｏｍｐｕｔｅｄｔｈｅ ｈｉｇｈｌｅｖｅｌｍｕｌｔｉｓｃａｌｅｉｍａｇｅｆｅａｔｕｒｅｓｏｆｔｈｅｉｎｐｕｔａｎｄＲＧＢＤｉｍａｇｅｓ．Ｔｈｅｎ，ｉｎｔｈｅｅｘｉｓｔｉｎｇＲＧＢＤｄａｔａｓｅｔ，ｉｔｆｏｕｎｄａｎｕｍｂｅｒｏｆ ｃａｎｄｉｄａｔｅｉｍａｇｅｓａｎｄｔｈｅｉｒｒｅｓｐｅｃｔｉｖｅｄｅｐｔｈｍａｐｓｗｈｉｃｈｗｅｒｅｍｏｓｔｍａｔｃｈｅｄｔｏｔｈｅｉｎｐｕｔｉｍａｇｅｉｎｆｅａｔｕｒｅｓｐａｃｅｂｙＫＮＮｓｅａｒ ｃｈｉｎｇｂａｓｅｄｏｎｔｈｅｈｉｇｈｌｅｖｅｌｉｍａｇｅｆｅａｔｕｒｅｓ．Ａｆｔｅｒｔｈａｔ，ｉｔｗａｒｐｅｄｔｈｅｃａｎｄｉｄａｔｅｉｍａｇｅｓａｎｄｄｅｐｔｈｍａｐｓｔｏａｌｉｇｎｔｈｅｍｔｏｔｈｅ ｉｎｐｕｔｉｍａｇｅｖｉａＳＩＦＴｆｌｏｗ．Ｆｉｎａｌｌｙ，ｉｔｏｐｔｉｍｉｚｅｄｔｈｅｃａｎｄｉｄａｔｅｄｅｐｔｈｉｍａｇｅｓｂｙａｐｐｌｙｉｎｇｉｎｔｅｒｐｏｌａｔｉｎｇａｎｄｓｍｏｏｔｈｉｎｇｏｐｅｒａｔｉｏｎｓ ａｎｄｔｈｅｆｉｎａｌｄｅｐｔｈｍａｐｃｏｕｌｄｂｅａｃｈｉｅｖｅｄ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｐｒｅｓｅｎｔｅｄａｌｇｏｒｉｔｈｍｇｅｔｓｂｅｔｔｅｒｄｅｐｔｈｅｓｔｉｍａ ｔｉｏｎｒｅｓｕｌｔｓａｓｗｅｌｌａｓｂｅｔｔｅｒｇｌｏｂａｌｓｔｒｕｃｔｕｒｅ