人类视觉感知经验的数学化表示及其在深度估算中的应用.pdfVIP

^粪W啦堪“I蚌骑的教学ft丧,ji艟jI^踩瞳仙掉tlI呐Jm用 第一章前言 1．1 计算机视觉的研究进展 视觉址人类获取信息强有力向义最宵妓的手段，它不仅是指对光信号的感 受．而且包括对}Ⅵ赏信息的获嫩、传输、处理、存储与理解的全过程。计算机视 觉就是研究用计算机和成像设备柬模拟人和生物视觉功能，从图像或图像序列中 提取信息，对客观世界的三维景物和物体进行形态和运动识别[1]，即利用二维 1蝈像恢复三维环境一p物体的几何信息．其过程是成像过程的逆过程。 关于汁算机说觉的研究是从2()舭纪50年代』r始的，仙期主要集中在二维图 数字图像c|l提墩出诸如立方体、楔形体，棱柱体等多面体的三维结构，并对物体 形状及物体的空fuj关系进行了描述，Roberts的研究工作”创了以理解三维场景 Tenenbaum等阳]为代表的_’些研究者提出了整套视觉计算的理论来描述视觉 过程，其核心是从陶像恢复物体的三维形状。在视觉研究的理论上，以Marr[j] 的视觉理论影响最为深远，并成为这一领域的主导思想。Marr教授认为：视觉 可讣为三个阶段． 是初级视觉、是对输入的匣始图像进行处理，抽取图像中诺 如点、边缘、纹理、线条和边界等基本几何元素或特征。这些特征的集合称为基 元图(prlfllurysketch)或要素圈；二是巾级视觉，是指在以观测者为中心的坐标 系中，山输入图像和基元图恢复场景可见部分的深度、法线方向、轮廓等，这些 信息包含r部分深度信息，但1：是真lF物体的二维表示，称为二维半图：二是高 级视觉，是指在以物体为中心的坐标系中，由输入图像、基元图和二维半圈束恢 复、表示年¨让5别三维物体的过程。他认为需要：；个独立的层次柬表达视觉信息的 处理过程．而 直到2j维，计算只能依赖f从图像本身获得的信息进行，不可 能使用高层的信息，即采J1】自底而上的处理一法，旧埘底层的误差传播到了高层， 没有修JF的机会。Mr的视世“茸州睦使计掉机桃世研究有了一个较为明确的 体系，腱Li搏机视觉研究领域的划川f℃成就。 从z(1l纪H(¨。代十JJ到H0年1叫，蚓。iI弹机眦世¨始j’个球性的研究热湖． r i{钎帆醒谴褂到了连雩Il们饺腱，往mM觉计算理论机架帕丝础h新概念、 折^法、新胖论小断湘现。…晚9(J年代们，咒J汁算机盘体雠世个阶段的 rnI￡h和I]radv[7 提¨l丁琏J。(；auss】加曲，簪味刚的特f_[=舱测斤甜、。S J提m了蒋名 k*W觉嘻％*骢鸪致}{t表1、＆％n椿幢估蛘t}的m尉 的SISAX算f．通过Lf算窗VI内’I窗V1中心棚刖敷度像索的数量来确定角点．具 仃很好的稳健性。KItchen和Rosenf eld[8]提出了利用影像函数的二阶偏导数检 删伯点的算法。ttarris和sI R K 像匹配方lAl．LI)hond和J 进行了洋细¨’迷t介绍了大量影像匹配乃法，引入了层次体系处璀的概念，并聚 ey等[JI]提取角点作为特征 fI--日-t体约柬以减少立体匹配的一义性。Beardsl 点．运Jt相关性进行匹配，将匹配的结果蹦奇异值分解求取了基础矩阵。 Pritchett和zl sserman等[1 2]提出了用单应矩阵(Homography)取代传统的扶度 相似性和极线约束作为匹配的准则。另外，他们试图通过一种整体相似变换，估 计图像削局部匹域的仿射变换，用局部变换柬寻找匹配点。MPilu[13]提出了一 种基于奇异值分解的匹配方法，束通过代数下的运算来进行特征点的匹配。 MzBrown、D D Burschka和G Hager[14]介绍了1993年以来十年期间计算机三 维视觉研究的进展。讨论了影像点对应方法、处理遮挡的方法以发实时算法。 DScharste】n和R．Szeliski[15]对于近期的算法性能进行了比较。CSchmid和 AZi