基于高斯混合模型的Kinect深度图像增强算法

深度图像获取是当前三维视频领域重要的研究课题.微软Kinect传感器可以获取到实时的稠密深度图,但往往在深度图中存在大量的空洞并且获取的深度图不稳定.针对这些问题,提出一种应用高斯混合模型实时修复的算法,首先要把彩色图像和深度图像对齐裁剪,然后通过高斯混合模型(GMM)把深度图像的前景和背景分离,针对不同的区域做不同的处理,对背景空洞做基于背景的填充,前景空洞采用颜色匹配算法进行处理,最后对处理后的深度图像做中值滤波处理去除噪声.实验证明,该算法在复杂前景物体和大面积深度缺失的情况下都可以有效填充深度图像中的大、小空洞,保留了物体边缘,尤其在遮挡物体的深度重建上,可以取得较好的重建效果.     

基于边缘梯度的散焦图像深度恢复

在散焦图像中,点的模糊程度随物体的深度而变化,因此可以利用散焦图像中点的散焦程度来估计物体的深度信息。本文提出了一种基于散焦图像中物体的边缘梯度关系来恢复图像深度图的新算法,用一个已知参数的高斯函数对图像进行再模糊,然后求出模糊后的物体边缘梯度,再与原图像中物体边缘梯度相比,再将该比值与图像的深度关联,求出图像中物体边缘处的深度,再利用后续深度插值方法和深度图优化恢复出整幅图的深度信息。这种算法仅需要一幅图像即可进行深度信息恢复,有较好的有效性。     

基于RGB-D图像的深度图空洞修复

提出一种基于RGB-D的深度图像空洞修复算法。通过改进的双边滤波对深度图进行滤波处理,填充了空洞而且保持了图像的边缘;再利用复合型中值滤波对深度图进行处理消除孤立点的影响,平滑了深度图像。实验结果表明,这一方法能够有效地对深度图进行空洞修复且图像边缘清晰。     

多线索非参数化融合的单目视频深度估计

为解决二维视频的三维转化问题,提出了一种基于非参数化学习和多线索融合的单目视频深度图提取方法.首先,利用单目图像的区域边界轮廓和几何透视结构线索,基于前景背景融合来估计单目视频中各帧的深度图像;然后,利用视频帧间空时相关性,借助非参数学习实现单目视频深度估计;最后,利用全局背景深度分段约束和去抖动来增强深度视频序列.实验结果表明,与其他现有方法相比,该方法能得到更为准确的单目视频深度图序列,无论在主观质量还是均方根误差(RMS)和结构相似性度量(SSIM)上,均能取得较好的效果.     

基于HOG的物体分类方法

研究了利用梯度方向直方图(HOG)特征实现物体分类的方法,并且将该特征结合深度图像分割和支持向量机(SVM)分类器,实现了一个物体分类系统.该系统基于新型传感器Kinect,可以提供实时的彩色图和高精度的深度图.利用其深度图做图像分割并且还原物体的三维信息,提出了依据物体距离自适应放缩分割出的物体区域窗口尺寸的方法,解...     

基于分割的立体匹配法提取光场视差图

为了解决从光场相机采集的图像中提取物体深度信息的问题,提出一种利用Lytro光场相机设备,基于图像分割的立体匹配方法估计光场图像深度。首先对Lytro相机采集的原始灰度图进行解码和颜色校正,提取相应的子光圈图像;在Matlab环境下,结合图像颜色分割、自适应立体匹配对子图像进行处理,通过平面拟合技术和BP优化得到相应的深度估计图。实验结果表明,该方法提取到深度图在视觉精度上有了明显的提高。     

基于Z—buffer的深度图像三维滤波方法

采用对深度图像自适应分层滤波方法，提出三维掩模的概念，基于Ｚ－ｂｕｆｆｅｒ把深度图分解成若干个不相交的子图像，通过对子图像的滤波与合成，降低算法的复杂度，并使滤波后的误差控制在给定范围内，为计算机渲染算法提供了一种新的后期处理途径，并可应用于景深与运动模糊的模拟。     

基于偏振图像与粗糙深度图的形状重建

首先使用双边滤波法对粗糙深度图作平滑处理，该方法在保持边缘细节的同时可以很好地去噪；然后针对偏振法线的歧义问题，以深度信息作为先验条件，采用自定义阈值分割方法校正；最后构造以深度约束为拟合项、偏振法线约束为光滑项的罚函数方法，并利用最小二乘法进行计算，以实现融合重建.选取4幅不同偏振角度的偏振图像与单幅粗糙深度图进行实验，结果表明，相对于单一模态，深度与偏振的多模态融合能恢复更好的表面细节，达到更优的几何形状效果.     

融合边缘语义信息的单目深度估计

单目深度估计研究是许多视觉任务的基础,从图像中得到边缘清晰,细节丰富的深度图对于后续任务具有重要的作用.针对当前单目深度估计模型中不能深度融合图像语义信息以及不能较好地利用图像对象的边缘信息问题,首先构建了超像素拓扑关系图,使用图神经网络提取局部边缘信息之间的相互关系,得到以超像素为节点的拓扑关系图,其次构建了基于编解...     

采用精确抠图的单幅自然图像背景虚化合成方法

针对小光圈镜头下的单幅自然图像背景虚化问题,提出一种基于精确抠图的单幅自然图像背景虚化合成方法.首先,利用GrabCut算法对单幅自然图像的前景对象进行初始抠图;其次,采用基于局部二值模式算子的颜色恒常性算法提取图像纹理,并对初始抠图实现精确割图;然后,通过双边滤波虚化背景部分;最后,将精确分割后的前景部分与虚化后的背景部分合成.仿真结果表明：文中算法可以获得高质量的分割和视觉自然的背景虚化效果.     

一种深度图失真引入的虚拟视失真估计方法

提出了一种深度图失真引入的虚拟视失真估计方法. 该方法依据能量一致性假设要求, 将深度图宏块划分为平坦宏块和非平坦宏块. 平坦宏块使用频域块级方法, 非平坦宏块使用时域像素级方法估计由深度图失真造成的绘制视失真. 虚拟视失真采用左右绘制视融合计算, 并计入虚拟视中空洞修复引入的失真. 该方法在宏块分类判据中综合了相机参数, 对于不同拍摄条件下的视频序列可以使用相同的判别阈值获得最佳区域划分, 通用性较强. 实验结果证明, 该方法兼顾了估计准确性和复杂度, 对于在有限码率预算条件下提高深度视频编码效率、优化三维视频码率分配具有重要的指导意义.     

Logistic映射控制的安全算术编码及其在图像加密中的应用

提出了一种通过Logistic映射改变模型中符号的顺序及符号的概率值的安全算术编码,将其应用于图像数据的压缩加密中,使其在网络中安全传输更方便,在编码过程中通过完全混沌的序列保证改变模型的均匀性,从而满足图像压缩编码的安全性要求。算法能够应用于任何针对多媒体数据的算术编码器(包括视频,图像,音频等),并且对编码的效率影响甚微,而且基于编码压缩的加密方式相对于其他同类加密方式所具有的明显优势在于,压缩过程大量减少了信息的冗余性,并在此过程中引入加密,这对试图推测出图像信息以及找到密钥的攻击具有良好的鲁棒性。     

基于半稠密COLMAP自监督单目内窥镜深度估计

在单目内窥镜场景下人体内组织表面纹理稀疏,视野受限给图像的深度估计带来了一定的困难。针对以上问题,提出了一种基于半稠密COLMAP(structure-from-motion and multi-view stereo generation pipeline)结合动态卷积注意力机制的自监督单目深度估计方法。通过改进的COLMAP进行图像序列预处理,产生加权半稠密深度图作为监督信号,该过程引入加权可靠度对半稠密深度图中的干扰点和不准确点进行丢弃或抑制操作,在训练网络中加入了具有动态卷积的注意力机制模型(Selective Kernel Networks, SKNet),这种注意力机制模型可以对输入的特征图进行动态卷积以获得更多感受野的信息,加强网络对特征的提取能力。在肝脏数据集上进行试验,结果表明,绝对相对差为0.135,阈值T<1.25³时,准确率为0.985,对监督数据、SKNet模型进行了消融实验,证明了半稠密重建、SKNet模型以及加权半稠密深度图的有效性。     

基于多尺度特征提取的单目图像深度估计

在目前基于深度学习的单目图像深度估计方法中,由于网络提取特征不够充分、边缘信息丢失从而导致深度图整体精度不足。因此提出了一种基于多尺度特征提取的单目图像深度估计方法。该方法首先使用Res2Net101作为编码器,通过在单个残差块中进行通道分组,使用阶梯型卷积方式来提取更细粒度的多尺度特征,加强特征提取能力;其次使用高通滤波器提取图像中的物体边缘来保留边缘信息;最后引入结构相似性损失函数,使得网络在训练过程中更加关注图像局部区域,提高网络的特征提取能力。在NYU Depth V2室内场景深度数据集上对本文方法进行验证,实验结果表明所提方法是有效的,提升了深度图的整体精度,其均方根误差(RMSE)达到0.508,并且在阈值为1.25时的准确率达到0.875。     

Kinect深度图像快速修复算法

深度提取是基于“纹理+深度”自由立体视频系统的关键技术,而立体视频实际应用系统需要高效快速的深度图提取.提出一种针对Kinect提取深度图的快速修复算法.首先,对Kinect提取的彩色纹理图和深度图进行对齐裁剪,并采用背景填充算法对裁剪后的深度图进行初步修复;然后,对初步修复后的深度图进行基于颜色匹配的快速修复,得到质量较好的可用深度图.实验结果表明,本算法能有效修复原始深度图中由于遮挡而引起的空洞,获取的深度图整体平滑度好、边缘清晰;在普通PC机上达到25~30 帧/s的处理帧率,实现了深度图的实时提取.     

一种新的双目立体视觉伺服控制模型及实验研究

针对目前手眼视觉伺服系统模型中普遍存在深度信息估计的问题,提出了一种用于双目视觉伺服控制的模型,该模型避免了深度值的测量与估计,提高了系统的控制性能,从而解决了未知物点的深度信息估计的问题。本文应用此模型,单独考虑机器人的运动学特性,设计了机器人末端执行器进行定位控制的控制器,仿真结果验证了该模型与控制算法的有效性;进一步提出了模型使用的改进算法,使该模型更具有宽泛的实用性;并且,进行了基于MOTOMAN UP6型机器人的双目视觉伺服控制实验,实验结果验证了该模型在实际控制工程中的有效性、可行性。     

SPOT卫星资料在水深信息中的应用研究

根据卫星遥感资料的特点,结合河流、湖泊、水库等不同地表水体作的光谱测量分布成果,对ＳＰＯＴ卫星多波段图像资料提供的安徽省安庆地区的武昌湖水下地形和水深信息,利用ＥＲＤＡＳＩＭＡＧＩＮＥ图像分析处理软件、获取该湖的水下地形分布图,并与准同步实测的水下地形的高程资料进行相关分析,建立水深遥感信息的定量模式,结果表明：具有高分辨率的ＳＰＯＴ卫星资料在水下地形高程数据的支持下,通过计算机图像分析处理能够快     

基于微透镜阵列的全光相机影像连续深度图构建

由于微透镜影像分割了原始全光影像, 无法应用全局优化算法, 而采用WTA (winner-take-all)算法得到的深度影像虽然连续, 但包含错误估计的深度信息; 利用全局优化计算得到的深度图可以消除错误估计的深度信息, 但是受到代价计算时深度离散化的限制而不连续。基于上述情况, 提出一种直接处理微透镜阵列全光影像的代价投影策略, 在投影图像上构建代价立方体(cost volume, CV), 同时采用MRFsP (Markov Random Fields Propagation)进行优化, 结合WTA方法的优势改善离散深度图像。实验结果表明, 与现有方法对比, 利用MRFsP优化后的深度图既能消除错误匹配点, 也能保持连续。