單目圖像深度估計是計算機視覺領域的熱點問題。然而,受到單個攝像頭的制約,想要通過空間立體幾何計算圖像中精確的深度信息是極其困難的。單目圖像深度估計是對一幅圖像上的所有像素點賦予一個相對深度關系,傳統(tǒng)方法估計深度通常使用人工特性,極易產(chǎn)生重構錯誤。近年來CNN網(wǎng)絡在計算機視覺領域取得了矚目的成就。與人工特性相比,CNN特征是從大規(guī)模的數(shù)據(jù)中學習得到的,能自動高效地進行圖像特征提取,同時表征圖像豐富的語義信息。本文利用CNN特征來進行單目圖像深度估計任務的研究,具體內容如下:（1）基于CNN特征提取和加權深度遷移的單目圖像深度估計算法。單目圖像的深度估計可以從相似圖像及其對應的深度信息中獲得。然而,圖像匹配歧義和估計深度的不均勻性問題制約了這類算法的性能。為此,首先引入CNN特征來獲得更精確有效的相似圖像集,提出了基于CNN特征提取的單目圖像深度估計算法。該算法首先提取CNN特征計算輸入圖像在數(shù)據(jù)集中的近鄰圖像;然后在每個候選近鄰圖像和輸入圖像之間獲得像素級稠密空間形變函數(shù);再將形變函數(shù)遷移至候選深度圖像集,并通過對遷移后的候選深度圖進行優(yōu)化獲得最終的深度信息。然后,針對該算法中同一目標估... 

【文章來源】：山西大學山西省

【文章頁數(shù)】：59 頁

【學位級別】：碩士

【部分圖文】：

一幅RGB圖像與其對應的相對深度圖

卷積神經(jīng)網(wǎng)絡模型

基于CNN特征提取與加權深度遷移的單目圖像深度估計算法框架圖

【參考文獻】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡的圖像特征識別研究[J]. 楊念聰,任瓊,張成喆,周子煜,李倩,邱蘭.  信息與電腦(理論版). 2017(14)
[2]基于非參數(shù)化采樣的單幅圖像深度估計[J]. 朱堯,喻秋.  計算機應用研究. 2017(06)
[3]一種基于少量標簽的改進遷移模糊聚類[J]. 王躍,楊燕,王紅軍.  智能系統(tǒng)學報. 2016(03)
[4]2維至3維圖像/視頻轉換的深度圖提取方法綜述[J]. 李可宏,姜靈敏,龔永義.  中國圖象圖形學報. 2014(10)
[5]基于Kinect深度信息的實時三維重建和濾波算法研究[J]. 陳曉明,蔣樂天,應忍冬.  計算機應用研究. 2013(04)

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡的圖像深度估計研究[D]. 王媛媛.西安理工大學 2018
[2]紅外圖像的三維重建理論及算法研究[D]. 王萌.東華大學 2015
[3]基于非參數(shù)多線索融合的單目視頻深度圖估計研究[D]. 莫一鳴.南京郵電大學 2014



本文編號：3409893