单幅散焦图像深度信息恢复算法研究

摘要

在计算机视觉研究领域当中，关于物体的三维重构一直以来是一个热点问题，而直接获取物体的三维信息受昂贵硬件设备的限制，所以人们重点研究利用二维图像恢复目标场景的深度信息。二维图像中物体的深度信息是指在拍摄过程中，物体距离相机镜头的远近。传统的基于双（多）目视觉的深度恢复方法虽然能够恢复出目标场景较高精度的深度信息，已被众多学者广泛研究和使用，但是均需要图像相似点匹配计算，运算量很大并且容易出错。与之相比，基于单目视觉的深度恢复方法因其计算简单、实时性较高的特点逐步受到越来越多学者的追捧，而其最常用的单目线索就是散焦模糊信息。
　　散焦测距法（DFD）作为单目视觉深度恢复方法中的代表，不仅有效避免了需要目标场景大量的图像以及复杂的计算过程等问题，并且还具有高实时性的优点。DFD通过分析比较同一场景物体散焦成像的差异来估算出物体的深度，需要场景的两幅及以上散焦模糊程度不同的图像。二次成像的约束加大了该算法操作的复杂性，限制了其在实际生活中的应用。为克服传统DFD的不足，本文在基于单目散焦模糊线索的基础上开展单幅散焦图像深度恢复方法的研究，具体研究工作如下：
　　（1）基于高斯-柯西混合模型的单幅散焦图像深度恢复方法。使用高斯分布函数或柯西分布函数近似点扩散函数模型（PSF），根据图像边缘处散焦模糊量的大小与场景深度之间的关系估算出深度信息，是常用的一种方法。但是真实世界中图像模糊的缘由千变万化，单一的高斯分布函数或柯西分布函数并不能很好地模拟每一种散焦成像过程，并且传统的方法对于图像中边缘不明显、深度变化特别细微以及存在阴影现象区域的深度恢复结果不够准确。为了获取更为精确的深度信息，提出一种利用高斯-柯西混合模型近似PSF的方法，首先对原始图像进行再模糊处理，得散焦程度不同的两幅图像，通过计算两幅散焦图像边缘处梯度的比值，估算出图像边缘处的散焦模糊量，得到稀疏深度图，最后使用深度扩展法得到场景的全景深度图。通过大量真实图像的测试，说明新方法能够从单幅散焦图像中恢复出完整、可靠的深度信息，并且结果好于目前常用的方法。
　　（2）基于超像素分割的单幅散焦图像深度恢复方法。目前现有的单幅散焦图像深度恢复算法大多计算出的都是图像每个像素的深度值，首先计算出图像边缘处像素的散焦模糊量，并且通过一定的方法扩展到全图像素而得到全景深度图。在这些算法中，边缘散焦模糊量向全局扩展的过程非常复杂，需要消耗大量的时间进行计算。同时，这些算法对于图像中边缘不明显、纹理复杂及以存在阴影现象区域深度信息的恢复存在一定的误差。本文提出的方法通过计算超像素级别的散焦模糊量很好地改善了上述这些问题。通过大量真实数据的仿真实验表明，本文提出的方法不仅有着耗时短的优势，而且改进了边缘不明显、纹理复杂以及存在阴影现象的区域的深度恢复效果。
　　本文提出的两种针对单幅散焦图像的深度恢复方法在恢复效果和效率方面都有一定的提高，取得的研究成果将丰富二维图像恢复目标场景深度信息的研究。

目录

第一章 引 言

1.1 研究背景

1.2 国内外研究现状

1.3 论文的主要工作

1.4 论文结构

第二章 背景知识

2.1深度信息恢复方法简介

2.2 散焦测距法的基本原理简介

2.3 本章小结

第三章 基于高斯-柯西混合模型的单幅散焦图像深度恢复方法

3.1 稀疏深度图恢复方法

3.2实验结果及分析

3.4 本章小结

第四章 基于超像素分割的单幅散焦图像深度恢复方法

4.1 超像素模块的散焦模糊量估计

4.2 稀疏深度图的优化

4.3实验结果及分析

4.4 本章小结

第五章 总结与展望

5.1 工作总结

5.2 工作展望

参考文献

攻读学位期间取得的研究成果

致谢

个人简况及联系方式

声明