基于单幅散焦图像的深度估计算法的研究-计算机科学与技术专业论文.docxVIP

基于单幅散焦图像的深度估计算法的研究-计算机科学与技术专业论文.docx

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
万方数据 万方数据 合 肥 工 业 大 学 学历硕士学位论文 基于单幅散焦图像的深度估计算法的研究 作者姓名: 秦 彤 指导教师: 方帅 副教授 学科专业: 计算机科学与技术 研究方向: 计算机视觉 2014 年 4 月 III A Dissertation Submitted for the Degree of Master Research of Algorithm of Depth Recovery from a Single Defocused Image By Qin Tong Hefei University of Technology Hefei, Anhui, P.R.China April,2014 IV V VI 45 致 谢 三年前怀着激动的心情踏入了合肥工业大学的校门开始了我的硕士生 活,在 诸位老 师的悉 心指导 、各位 同窗好 友亲人的 支持陪 伴下 走过了快 乐而 充实的三 年。谨在 此 由衷地向 所有给 予我 无私帮助 的老师 、同 学、朋 友和家 人表示感 谢。 首先特别 感谢我 的导 师方帅副 教授和 曹洋 讲师,在研究 生学习 期间,方 老师和曹 老师给 了我 很多锻炼 的机会 和帮 助,使 我得到 了很多 的磨练和 提高, 方老师和 曹老师 风趣 幽默的聊 天方式 ,每 次都给我 带来无 尽的 学习动力 ,同 时,他们 对科研 执着 的追求精 神,深 深的 影响了我 ,激励 着我 刻苦钻研 。在 此,我谨 向方老 师和 曹老师致 以最诚 挚的 谢意! 感谢王浩 教授,王老 师学识渊 博、视 野开 阔、诲人 不倦 ,对我 的研究工 作提出了 许多宝 贵意 见,让 我受益 匪浅,同时感谢 于磊老 师在 论文写作 和学 术报告方 面给予 的帮 助,感 谢研究 生部的 曹航老师 和王松 龄老 师,感 谢他们 对我学习 工作上 的关 心和帮助 。 感谢周明、李斌、王 峰、石强、邓 蓉、曹 风云、杨静 荣等师 兄 师姐不厌 其烦的指 出我研 究中 的缺失, 且总能 在我 迷惘时为 我解惑 。 感谢夏秀 山、何艳 、吴涛等同 学的帮 忙 ,并一同走 过令人 难忘 的研究生 学习生活 。 特别感谢焦同、 赵育 坤 帮忙修改论文,同 样感谢杨涛、鲁丹、 周传培、 祁林娟、 瞿成佳 、汪 婷、金忍 、范东 等师 弟师妹的 帮忙。 感谢室友 陈娟和张盼 盼 陪我一起度过愉快 的研究生生活,同时 感谢 11 级 10 班 全体同 学。 感谢家人给予我的关 心和支持,尤其在我 遇到困难时,父母给 我鼓励, 让我找到 战胜困 难的 勇气和信 心。 作者:秦彤 2014 年 3 月 13 日 VII 摘要 从二维图像中估计场景的深度信息是计算机视觉领域的经典问题之一,其主 要目的是获取各场景点与摄像机之间距离,从而实现场景三维重建等任务。从相 机成像原理可以发现散焦模糊量与深度信息之间存在着某种非线性关系。近年来, 基于散焦图像的场景深度估计算法受到较多的关注。该方法假设场景边缘是锐利 的,根据图像中各边缘位置的模糊程度计算出对应场景点的深度信息,进而扩展 到整幅图像。然而,基于散焦图像的场景深度估计算法普遍存在着这样一个问题, 即图像中纹理细节会带入最终的深度图,导致深度估计误差。针对这一问题,本 文基于局部一致性假设,采用超像素处理结合 L0 梯度最小化,有效减少了细小纹 理的引入,并利用图像分割与深度估计之间的联系通过迭代方法对深度图像进行 修正。具体而言,本文的主要工作包括以下几点: (1)首先,本文提出了局部一致性原则,认为 2D 图像上每个属性一致的区域都 对应着 3D 场景中的一个平面片,其深度信息呈现出一致性。基于这一原则,利用 2D 图像的颜色信息对输入图像进行过分割,保证得到的每一块分割块所对应的深 度信息均满足一致性原则。 其次,本文引入了 L0 梯度最小化,以去除输入图像中的弱边缘,保留图像中 的强边缘和图像结构的完整,更好地克服了输入图像中的细节导致的深度估计错 误。 (2)通过实验发现图像分割与深度估计之间存在着相互促进的关系,即利用图 像分割可以进行深度估计,深度信息同时也能优化图像分割的结果。基于此我们 将迭代的思想加入到深度估计中,用深度信息优化分割结果,并提出深度图的相 异度作为迭代的终止条件,最终得到更好的深度图。 关键 词: 深度恢复;散焦 模糊估计;引导滤波器; L0 梯度最小化 ;深度迭 代 VIII ABSTRACT To recovery depth information from 2D images is a classic problem in computer vision. The main purpose is to get the dis

您可能关注的文档

文档评论(0)

131****9843 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档