本文選題：單幅圖像 + 深度估計(jì)　； 參考：《計(jì)算機(jī)應(yīng)用研究》2017年06期

【摘要】：針對(duì)傳統(tǒng)單幅圖像深度估計(jì)線索不足及深度估計(jì)精度不準(zhǔn)的問題,提出一種基于非參數(shù)化采樣的單幅圖像深度估計(jì)方法。該方法利用非參數(shù)化的學(xué)習(xí)手段,將現(xiàn)有RGBD數(shù)據(jù)集中的深度信息遷移到輸入圖像中去。首先計(jì)算輸入圖像和現(xiàn)有RGBD數(shù)據(jù)集多尺度的高層次圖像特征;然后在現(xiàn)有RGBD數(shù)據(jù)集中,基于高層次的圖像特征通過KNN最近鄰搜索找到若干與輸入圖像特征最匹配的候選圖像,并將這些候選圖像通過SIFT流形變到輸入圖像進(jìn)行對(duì)齊;最后對(duì)候選深度圖進(jìn)行插值和平滑等優(yōu)化操作,便可以得到最后的深度圖。實(shí)驗(yàn)結(jié)果表明,與現(xiàn)有算法相比,該方法估計(jì)得到的深度圖精度更高,對(duì)輸入圖像的整體結(jié)構(gòu)保持得更好。
[Abstract]:Aiming at the lack of clues and inaccurate depth estimation in traditional single image depth estimation, a new depth estimation method based on non-parametric sampling is proposed. Based on the nonparametric learning method, the depth information of the existing RGBD dataset is migrated to the input image. First, the input image and the multi-scale high-level image feature of the existing RGBD dataset are calculated; then, based on the high-level image feature, some candidate images most matched with the input image feature are found through the KNN nearest neighbor search in the existing RGBD dataset. These candidate images are deformed to the input image by SIFT stream to be aligned, and the final depth map can be obtained by interpolation and smoothing of the candidate depth map. The experimental results show that compared with the existing algorithms, the proposed method has higher accuracy and better overall structure for the input image.
【作者單位】： 武漢大學(xué)計(jì)算機(jī)學(xué)院;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(61300125)
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李樂;張茂軍;熊志輝;徐瑋;;基于內(nèi)容理解的單幅靜態(tài)街景圖像深度估計(jì)[J];機(jī)器人;2011年02期

2 廖均梅;龍建忠;張小琴;;基于頻域特征的圖像深度信息提取方法[J];自動(dòng)化與儀器儀表;2012年06期

3 張蓓蕾;劉洪瑋;;基于馬爾可夫隨機(jī)場(chǎng)的單目圖像深度估計(jì)[J];微型電腦應(yīng)用;2010年11期

4 牛連丁;趙志杰;金雪松;孫華東;王海濤;;基于支持向量機(jī)的圖像深度提取方法[J];哈爾濱商業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年05期

5 王平;安平;王奎;張兆楊;;基于區(qū)域融合的單視點(diǎn)圖像深度信息提取[J];電視技術(shù);2011年19期

6 袁紅星;吳少群;朱仁祥;胡勁松;安鵬;;利用深度傳感器大數(shù)據(jù)的單目圖像深度估計(jì)[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2013年12期

7 張蓓蕾;孫韶媛;武江偉;谷小婧;;基于DRF-MAP模型的單目圖像深度估計(jì)的改進(jìn)算法[J];紅外技術(shù);2009年12期

8 鄧小玲;倪江群;代芬;李震;;基于LLOM的單目圖像深度圖估計(jì)算法[J];計(jì)算機(jī)應(yīng)用研究;2012年11期

9 李國(guó)平;劉華冠;李長(zhǎng)春;張?zhí)旌?;基于機(jī)器視覺的物料袋圖像深度信息的提取[J];濟(jì)南大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年02期

10 陳朝陽(yáng),尹智科;井下圖像深度信息提取方法[J];艦船電子工程;2004年02期

相關(guān)碩士學(xué)位論文 前3條

1 Grigorev Aleksei;基于深度學(xué)習(xí)的單目圖像深度估計(jì)[D];哈爾濱工業(yè)大學(xué);2016年

2 張蓓蕾;基于馬爾可夫場(chǎng)理論的單目圖像深度估計(jì)研究[D];東華大學(xué);2010年

3 陳婷婷;基于紋理特征概率模型的圖像深度信息提取方法[D];哈爾濱商業(yè)大學(xué);2015年

，

本文編號(hào)：1895077