本文選題：深度恢復 + 分塊匹配��； 參考：《浙江大學》2017年碩士論文

【摘要】：從視頻和圖片中恢復三維信息是計算機視覺領域里的一個基本問題,有著廣泛的應用。例如,高質量的深度信息不僅可以直接用來重建場景的三維結構、輔助機器人導航,而且還能幫助計算機更好地識別和理解圖像中的物體和場景。特別是隨著機器人、虛擬現(xiàn)實和增強現(xiàn)實等應用的興起,如何讓計算機更好地根據(jù)所拍攝的圖像或視頻去分析和理解三維世界變得越來越重要。由于很多時候,我們只能獲取單張圖像,因此如何為單幀圖像恢復深度具有重要的理論研究意義和應用價值。隨著三維模型數(shù)據(jù)集的快速增長,許多研究人員開始嘗試利用這些先驗模型來進行單幀圖像的物體深度恢復。但是,現(xiàn)有的方法一般要求輸入圖片與訓練集中的數(shù)據(jù)有較高的匹配度,難以處理輸入圖片中的物體與模型庫中的三維模型差異較大的情況;而且,很多方法要求物體的分割信息作為物體深度恢復的先驗信息,這很大程度上限制了算法的應用場景。針對這兩個問題,本文提出了一個無需預先分割的單張圖像物體自動深度恢復方法。首先,將圖片與訓練集中的數(shù)據(jù)進行圖片匹配,求得候選集,并根據(jù)候選集圖片的結構特征進行自適應分塊,在此基礎上進行分塊匹配,將分塊匹配的結果作為深度預測的依據(jù),有效解決了輸入圖片與數(shù)據(jù)集中的三維模型無法很好匹配的情況。其次,基于分塊匹配的結果對物體進行自動分割,實現(xiàn)了高質量的物體自動分割和深度估計。再次,針對通過匹配得到的深度在物體不連續(xù)邊界區(qū)域比較粗糙的情況,提出使用改進的分割結果來進行約束,對空洞區(qū)域進行深度補全,并進行雙邊濾波使得深度平滑化,從而有效提高了深度恢復的質量。一系列的實驗結果和與其它方法的對比證明了所提方法的有效性。
[Abstract]:It is a basic problem in the field of computer vision to recover 3D information from video and picture, and it has been widely used. For example, high quality depth information can not only be directly used to reconstruct the 3D structure of the scene and assist the robot navigation, but also help the computer to better recognize and understand the objects and scenes in the image. Especially with the rise of robots, virtual reality and augmented reality, it becomes more and more important for computer to analyze and understand 3D world according to the images and videos taken. Because we can only obtain single image in many cases, how to restore depth for a single frame image has important theoretical research significance and application value. With the rapid growth of 3D model data sets, many researchers have begun to use these priori models to restore the depth of objects in a single frame image. However, the existing methods generally require a high matching degree between the input image and the data in the training set, so it is difficult to deal with the difference between the object in the input picture and the 3D model in the model base. Many methods require object segmentation information as the prior information of object depth recovery, which limits the application of the algorithm to a great extent. In order to solve these two problems, an automatic depth recovery method for single image objects is proposed. Firstly, the images are matched with the data of the training set, and the candidate sets are obtained. Then, according to the structural features of the candidate sets, the images are self-adaptively partitioned, and then the blocks are matched. The result of block matching is taken as the basis of depth prediction, which effectively solves the problem that the 3D model of input image and data set can not match well. Secondly, based on the result of block matching, the automatic segmentation and depth estimation of high quality objects are realized. Thirdly, in view of the rough depth obtained by matching in the discontinuous boundary region, an improved segmentation result is proposed to constrain the cavity region, and the depth is smoothed by bilateral filtering. Thus, the quality of depth recovery is improved effectively. A series of experimental results and comparisons with other methods show that the proposed method is effective.
【學位授予單位】：浙江大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前10條

1 朱近;;分塊查找的最佳分塊方法[J];計算機工程與應用;1989年10期

2 董寧;文志強;余波;;基于防反射邊界的圖像分塊反降晰研究[J];計算機工程;2011年11期

3 李泉永;;一個使用較少外存的分塊直接解法及其在天線結構分析中的一個應用[J];桂林電子工業(yè)學院學報;1984年01期

4 金淳浩;周桅;;動態(tài)分塊快速網(wǎng)格化方法[J];物探化探計算技術;1988年04期

5 韓永飛;分塊果園法的證明[J];吉林大學自然科學學報;1989年02期

6 周平;劉曉潔;;基于兩級分塊的文件同步方法[J];計算機工程與設計;2014年03期

7 舒輝,康緋;一個新的循環(huán)分塊算法[J];計算機研究與發(fā)展;2002年10期

8 劉立祥,謝劍英,張敬轅;利用分塊循環(huán)矩陣對離散圖象進行重建[J];計算機工程與應用;2003年14期

9 王春發(fā) ,陳國華,楊萬里,羅馬吉;螺旋進氣道三維分塊結構化貼體網(wǎng)格的生成[J];小型內(nèi)燃機與摩托車;2003年04期

10 曾璞;吳玲達;文軍;;基于分塊潛在語義的場景分類方法[J];計算機應用;2008年06期

相關會議論文 前9條

1 任安祿;鄧見;;分塊法求解圓球強迫對流場[A];第十一屆全國水動力學學術會議暨第二十四屆全國水動力學研討會并周培源誕辰110周年紀念大會文集（上冊）[C];2012年

2 陳宜穩(wěn);王威;王潤生;;分塊建模和點建模聯(lián)合的背景重建方法[A];計算機技術與應用進展·2007——全國第18屆計算機技術與應用（CACIS）學術會議論文集[C];2007年

3 伍中平;;雙向不等高正交鋼管桁架分塊整體提升施工技術[A];大型復雜鋼結構建筑工程施工新技術與應用論文集[C];2012年

4 鄒李;杜小勇;何軍;;B3:圖間節(jié)點相似度分塊計算方法[A];NDBC2010第27屆中國數(shù)據(jù)庫學術會議論文集A輯二[C];2010年

5 竇朝暉;;影響分塊算法性能的主要因素[A];面向21世紀的科技進步與社會經(jīng)濟發(fā)展（上冊）[C];1999年

6 肖永浩;黃清南;;基于分塊數(shù)據(jù)結構的沖擊問題并行計算[A];中國計算力學大會'2010（CCCM2010）暨第八屆南方計算力學學術會議（SCCM8）論文集[C];2010年

7 戴妍峰;劉藻珍;;空間望遠鏡分塊式主鏡面形控制系統(tǒng)建模[A];中國系統(tǒng)仿真學會第五次全國會員代表大會暨2006年全國學術年會論文集[C];2006年

8 李嘉偉;孫明;;基于分塊LAB特征的粒子濾波目標跟蹤算法[A];中國農(nóng)業(yè)工程學會2011年學術年會論文集[C];2011年

9 ;大會主題報告[A];2009年全國微波毫米波會議論文集（下冊）[C];2009年

相關重要報紙文章 前5條

1 雷明;企業(yè)扭虧分塊搞活應處理好的幾個關系[N];中國企業(yè)報;2000年

2 雷明;分塊搞活應處理好幾個關系[N];中國航空報;2001年

3 覃匡龍 周鴻廣 侯俊富;“分塊管理”破解警力難題[N];檢察日報;2003年

4 王書明;新華中學形成安全管理網(wǎng)絡[N];商洛日報;2007年

5 記者 郭鳳美;“分塊搞活”救了太原制藥[N];山西經(jīng)濟日報;2004年

相關博士學位論文 前4條

1 袁丹丹;推廣的基于能量的分塊方法的發(fā)展和應用[D];南京大學;2017年

2 郭曉峰;旋轉對稱結構中比例邊界元分塊算法研究[D];大連理工大學;2016年

3 鄒健;分塊稀疏表示的理論及算法研究[D];華南理工大學;2012年

4 何邊;復雜網(wǎng)絡上的分塊問題[D];上海交通大學;2012年

相關碩士學位論文 前10條

1 嚴輝銀;求解二乘二分塊實線性方程組的塊分裂預處理方法[D];蘭州大學;2015年

2 沈世達;基于分塊壓縮感知的圖像和視頻傳輸技術研究[D];西南交通大學;2015年

3 張蛟;基于FastDFS的重復數(shù)據(jù)管理技術的研究與實現(xiàn)[D];電子科技大學;2014年

4 白聰軒;多線索分塊匹配的移動機器人目標跟蹤[D];北京工業(yè)大學;2015年

5 李鵬程;基于張量特征值分析的特征表示及典型應用[D];西安電子科技大學;2015年

6 榮雁霞;基于分塊壓縮感知的圖像重構方法研究[D];南京郵電大學;2015年

7 高東紅;基于多尺度分塊壓縮感知的圖像處理算法研究[D];北京理工大學;2016年

8 李浩田;分塊主鏡式相機共相位檢測系統(tǒng)研究[D];北京理工大學;2016年

9 周利華;基于分塊計算模型的債權類不良資產(chǎn)價值評估研究[D];云南大學;2016年

10 趙春暉;分塊與二級人臉識別算法研究[D];揚州大學;2016年

，

本文編號：1997580