基于灰度梯度的散焦图像测距算法的研究

摘要

在计算机视觉中，计算目标物体到摄像机的距离是至关重要的，它是景物目标三维重建的关键。基于散焦图像的测距方法(DFD)是近年来计算机视觉领域的研究热点之一。它属于单目视觉，避开了目前仍未能有效解决的立体视觉中的特征点匹配问题，因此在很多领域更具有实际应用价值。但现有的散焦测距算法大多是利用至少两幅图像，提取图像的边缘信息，通过比较图像边缘的模糊程度来估计物体与摄像机的距离。然而，因为散焦图像的边缘模糊程度较大，难以确定其精确位置。因此，只根据图像边缘信息估计物体深度有很大的局限性。 本文在Subbarao测距算法的基础上，将灰度梯度法用于散焦图像的深度估计中。第一，由灰度梯度法确定物体上两点间的相对深度。第二，根据散焦模型，由两物点在CCD成像面上弥散斑直径的大小关系判断实际成像面与聚焦像面的相对位置关系。第三，利用S变换，通过估计点扩散参数，求得用于估计物体与镜头间距离的公式。 该方法从研究图像二维信息中三维线索的角度出发，通过理论分析和详细推导，证明了利用单幅散焦图像的灰度信息来估计物体深度的可行性，对单幅图像的散焦测距方法进行了初步探索。

目录

文摘

英文文摘

声明

1绪论

1.1研究的背景及意义

1.2测距方法简介

1.2.1主动测距方法

1.2.2被动测距方法

1.3散焦测距法

1.3.1国内外研究进展

1.3.2散焦测距的主要应用

1.4论文的主要研究内容

2被动散焦测距的基本理论

2.1点光源的理想成像模型

2.2成像的分布函数

2.2.1光学成像系统的点扩散函数(PSF)

2.2.2光学成像系统的光学传递函数(OTF)

2.2.3镜头成像系统分析

2.3二维图像中的三维信息

2.4本章小结

3散焦测距算法的研究

3.1 Pentland的散焦测距算法

3.1.1单幅阶跃边缘灰度图像测距的原理

3.1.2两幅不同散焦程度图像测距的原理及实现

3.2 Subbarao的散焦测距算法

3.2.1 Subbarao算法的数学模型

3.2.2相关函数和功率谱

3.2.3大幅改变镜头参数获取景深

3.2.4微幅改变镜头参数获取景深

3.3本章小结

4.基于图像灰度梯度的散焦测距算法

4.1基于SFS的三维重构技术概述

4.1.1梯度空间

4.1.2朗伯体(Lambert)漫反射模型

4.2基于图像灰度梯度的散焦测距算法

4.2.1确定物体上两点间的相对深度

4.2.2判断成像面与聚焦像面的相对位置

4.2.3估计点扩散参数，确定距离

4.3本章小结

5.总结与展望

参考文献

致谢

发表的学术论文

个人简历