基于2D到3D立体转换技术景深估计在2D单目视图中应用 翻译1.docVIP

基于2D到3D立体转换技术：景深估计在2D单目视图中的应用 摘要：随着3D内容需求的日益增加，现有许多二维到三维转换得到三维图像处理广泛的。相对深度在单视点图像的2D到3D转换技术重要。在本文中，我们提出了一个自动转换的方法，基于分割区域集中度单视点图像的深度信息，生成一个立体图像。是非常适合解决检测和分类问题，因为它可以抑制噪声和保留一些非高斯信息。我们可以估算一个相对深度图与这两个线索，然后细化深度图的后处理。2D到3D的转换，深度图，三维图像，分割， 1 简介 预计，立体电视（3DTV）系统，将带给看电视以新的方式动态，让人感到逼真和身临其境。在先进的3D显示器的出现前提下，人们对3D内容的需求正在迅速增加。因此，如何实现现2D视频到3D的转换已经成为一个关键问题，如果没有一个高效的转换工具或者方式，3D消费市场也不可能轻易增长。 在2D到3D转换过程中，最重要也是最困难的问题是如何产生或估计，仅使用单个视点图像的情况下，得到相应的深度信息。由于没有3D信息，我们估计单个视点图像的每个区域时都存在相对深度差异。现在已经提出几种方法来估计单个视点图像的深度信息。在[1]，Feldman等人产生深度图是用人工方法在Photoshop中采用调整工具处理软件深度图他们采用彩色分割图像中的每个分割区域，然后分为几类基于启发式规则的颜色每个分区自己的类分配不同的深度值。S.A. Valencia等人提出测量的聚焦程度然后估计的深度图边缘焦点分析本文提出了一种新的自动技术来估计一个视图中二维图像的深度信息，使用焦点信息。于人类视觉系统相机的聚焦深度系统能力有限，的区域上重点都清地显示，远离的区域往往模糊。在低场深度图像（见图1），聚焦区域可以被认为是更接近观众和失焦的区域前景作为背景的远离观众。这些合成的图像可用于生成3D内容，这是立体图像。图2显示了2D-3D转换技术的整体过程。 本文的组织如下2节显示预处理过程由图像分割和利用HOS前景提取过程估计的相对深度图在3节中描述在4节中，我们讨论了立体对图像生成第5节实验结果6节最后的结论。 ??( x , y) 1 ≤ x ≤ X , 1 ≤ y ≤Y?,其中图像尺寸为X ? Y。我们的目标是划分R导入前景区域FR和背景区域BR。令P ??Ri , i ∈{1,…, N}??表示R与N个区域分区，然后FR可以表示为 （1） 其中Ri是第i个连接区, NFR表示属于FR区的数量。BR被简单地表示为因而在BR区域的数量变为 我们可以利用重点提示，将现场图像低深度区有效划分聚焦前景和背景区域。如图1所示，失焦的区域可以模拟低通滤波。假设只有清晰的前景区域包含适当的高频成分首先，我们将现场图像输入低深度到一个合适的特征空间。特征空间变换第四阶矩然后基于块的HOS地图转换，孔检测，区域生长，块雕刻工艺和后处理。利用HOS前景提取的详细过程 5中的描述。通过上述方法可以提取出前景。图4显示了前景提取的结果。如图4所示，提取的结果可能包含在前景小或散射噪声根据图像内容的背景。 图像分割已用于许多图像分析应用到图像分割成同质区域。本文采用的是许多基于图的分割技术方法的边缘信息这些区域与一个单一的低重量的边缘融合。 3.深度图估计 分类前景和背景区域分配各区域的深度值的过程将在下面的小节中讨论。 3.1前景深度分配 这里的目标是定义最终的前景区域分配的深度值到最终的前景区域采用分割区域信息值初始前景信息。Ri是否属于前景，我们计算前景像素中的第i个区域的值 （2） 其中，图（A）表示集合A的基数，表示前景像素中第i个地区的比例。因此，最终的前景区域，FR可以下面的规则确定， （3） 如果大于预定阈值（ = 0.5在本文中），即为最终前景区域FR。如前一节中讨论的重点，前景区域作为给观众就近区域。 3.2背景区域深度估计 我们认为，背景区域BR包括了这些不属于最终前景区的FR区域。正如我们在2节讨论的，是衡量区域高频成分的量的一个有效工具。集中的地区往往有较高的频率分量，失焦的地区有较少的高频分量。散焦程度趋于增加时，失焦的区域更远离。失焦模糊HOS(x, y)为（X，Y）的HOS值，在的HOS平均值 可以在（4）获得。 （4） 基于上述假设，将更高的区域HOS平均值作为一个具有弱模糊强度，并且可以被认为是比其他区域更贴近观众的区域。换言之，我们认为较高HOS均值可分配较高的深度值，而较低HOS均值者分配较低的深度值。因此，我们可以在计算背景区域的HOS均值后，比较这些区域HOS均值