散焦图像中的深度提取-信号与信息处理专业论文.docxVIP

安徽大学硕士学位论文散焦图 安徽大学硕士学位论文 散焦图像中的深度提取 variant on the energy functional; employs L1 norm measure of diffusion coefficient gradient as a constraint functional items; recover the depth information of object by solving the minimum of constraint energy functional. In order to verify the validity and accuracy of algorithm, the experiments are on simulated and real images in this thesis. The experiment results show that the presented algorithm which recovers the depth from defocus images is valid. Then, on the simulated images the thesis uses absolute error and relative error calculation method. Compared with the least squares algorithm, the presented using L1 norm measure has small error. End, the thesis has a discussion between the camera parameters and algorithm error. The result of discussion shows that the presented has a widely application. Keywords: defocus images; depth recovery; diffusion coefficient; L1 norm 安徽大学硕士学位论文第一章 安徽大学硕士学位论文 第一章 绪论 PAGE PAGE 1 第一章 绪论 1.1 研究背景和意义 人类与自然环境的认知桥梁通过感知建立，感知中最为重要的是视觉。据统 计，人类认识自然界的信息有 80%来自视觉。因此，在此意义上说，信息社会也 可以认为是图像信息社会。 计算机视觉是研究如何使计算机具有视觉功能的一门学科，是现代科学和技 术的一个重要领域。自此学科确立以来，计算机视觉已经吸引了各个学科领域的 众多研究者参与。它的主要研究手段是通过二维图像认知三维场景信息，最终目 标是使计算机能够像人那样通过视觉观察和理解客观世界，具有自主适应环境的 能力。 从图像中提取三维场景中物体的深度信息是计算机视觉中的一个重要课题， 目前广泛关注和研究的方法有从双目或多目视图、聚焦或散焦图像中深度等。与 光学测量中采用主动测量的方法相比，摄像机的被动测量方法由于其轻便性得到 广泛应用，但是，利用摄像机所获取的图像是二维的，深度信息已丢失，因此， 从二维图像中有效地提取物体深度信息是计算机视觉领域中的一个难点课题。其 研究成果可以直接应用于景物理解和识别、精密工业测量、机器人导航、虚拟现 实以及军事等方面。 在工业制造生产领域，三维深度提取广泛应用在自动化装配或生产线中，重 点用于工业零部件的检测，包括工业零部件的形状和尺寸检测、外观挑选以及表 面破损及内部气泡检测等方面。 在智能导航领域，对道路边界以及路上障碍物的识别及跟踪是智能行驶辅助 系统的重要功能，这些道路信息是安全行驶的前提。智能系统建立模型用于描述 道路特征，通过对三维道路以及其上的行驶车辆或障碍物快速有效地检测与跟 踪，三维深度的估算能有效地帮助智能系统判断行驶车辆与检测到的车辆或障碍 物之间的间距（深度）信息，计算相对运动速度，判断是否有相撞的可能，以及 时避免，提高行驶的安全性。 在医学领域中，随着各种医学成像设备的研制成功，传统的医学诊断方式发 生了变革。医学影像技术广泛应用于医学诊断中，为临床诊疗和医学研究提供了 人体结构图和病理信息。然而医生更希望在获得器官组织的二维图像后能掌握其 三维深度信息，因为三维深度信息的重建有助于医生对器官组织及感兴趣区域进 行定性甚至定量分析，还可以在仿真手术中反复模拟手术过程，以提高在真实医 疗诊断手术过程中的正确性和准确性。 近年来，这个问题又引起多媒体和计算机图形学界的极大关注。因此，为了 获得已知场景和虚拟物体的合成环境，对三维场景的深度提取理论与方法的研究 无