單幅散焦圖像深度信息恢復算法研究.pdf

1、在計算機視覺研究領域當中，關于物體的三維重構一直以來是一個熱點問題，而直接獲取物體的三維信息受昂貴硬件設備的限制，所以人們重點研究利用二維圖像恢復目標場景的深度信息。二維圖像中物體的深度信息是指在拍攝過程中，物體距離相機鏡頭的遠近。傳統(tǒng)的基于雙（多）目視覺的深度恢復方法雖然能夠恢復出目標場景較高精度的深度信息，已被眾多學者廣泛研究和使用，但是均需要圖像相似點匹配計算，運算量很大并且容易出錯。與之相比，基于單目視覺的深度恢復方法因其計算簡

2、單、實時性較高的特點逐步受到越來越多學者的追捧，而其最常用的單目線索就是散焦模糊信息。
　　散焦測距法（DFD）作為單目視覺深度恢復方法中的代表，不僅有效避免了需要目標場景大量的圖像以及復雜的計算過程等問題，并且還具有高實時性的優(yōu)點。DFD通過分析比較同一場景物體散焦成像的差異來估算出物體的深度，需要場景的兩幅及以上散焦模糊程度不同的圖像。二次成像的約束加大了該算法操作的復雜性，限制了其在實際生活中的應用。為克服傳統(tǒng)DFD的不足，

3、本文在基于單目散焦模糊線索的基礎上開展單幅散焦圖像深度恢復方法的研究，具體研究工作如下：
　?。?）基于高斯-柯西混合模型的單幅散焦圖像深度恢復方法。使用高斯分布函數或柯西分布函數近似點擴散函數模型（PSF），根據圖像邊緣處散焦模糊量的大小與場景深度之間的關系估算出深度信息，是常用的一種方法。但是真實世界中圖像模糊的緣由千變萬化，單一的高斯分布函數或柯西分布函數并不能很好地模擬每一種散焦成像過程，并且傳統(tǒng)的方法對于圖像中邊緣不明顯

4、、深度變化特別細微以及存在陰影現象區(qū)域的深度恢復結果不夠準確。為了獲取更為精確的深度信息，提出一種利用高斯-柯西混合模型近似PSF的方法，首先對原始圖像進行再模糊處理，得散焦程度不同的兩幅圖像，通過計算兩幅散焦圖像邊緣處梯度的比值，估算出圖像邊緣處的散焦模糊量，得到稀疏深度圖，最后使用深度擴展法得到場景的全景深度圖。通過大量真實圖像的測試，說明新方法能夠從單幅散焦圖像中恢復出完整、可靠的深度信息，并且結果好于目前常用的方法。
　　

5、（2）基于超像素分割的單幅散焦圖像深度恢復方法。目前現有的單幅散焦圖像深度恢復算法大多計算出的都是圖像每個像素的深度值，首先計算出圖像邊緣處像素的散焦模糊量，并且通過一定的方法擴展到全圖像素而得到全景深度圖。在這些算法中，邊緣散焦模糊量向全局擴展的過程非常復雜，需要消耗大量的時間進行計算。同時，這些算法對于圖像中邊緣不明顯、紋理復雜及以存在陰影現象區(qū)域深度信息的恢復存在一定的誤差。本文提出的方法通過計算超像素級別的散焦模糊量很好地改善了