隨著人工智能,3D應(yīng)用的發(fā)展,對(duì)于場(chǎng)景信息的獲取也越來(lái)越重要,深度作為場(chǎng)景中的最重要的信息之一,如何獲得深度信息一直是計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)重要問(wèn)題。在深度采集設(shè)備不能大規(guī)模普及的情況下,針對(duì)已經(jīng)存有的大量的彩色圖,依據(jù)這些單目圖像來(lái)估計(jì)深度就是一個(gè)具有挑戰(zhàn)性的任務(wù)。對(duì)于單目圖像的深度估計(jì)問(wèn)題,從場(chǎng)景分類出發(fā),本文分別基于室外圖像和室內(nèi)圖像進(jìn)行了研究工作�；谑彝鈭D像,本文借鑒由粗到細(xì)的深度估計(jì)過(guò)程,設(shè)計(jì)了粗尺度結(jié)構(gòu)化隨機(jī)森林結(jié)合細(xì)尺度的結(jié)構(gòu)化隨機(jī)森林的結(jié)構(gòu),通過(guò)粗尺度的結(jié)構(gòu)化森林來(lái)估計(jì)全局的粗糙的深度信息,將預(yù)測(cè)結(jié)果上采樣之后送入到細(xì)尺度的結(jié)構(gòu)化森林中,從而進(jìn)行局部的精細(xì)的深度估計(jì)。針對(duì)室內(nèi)圖像豐富的場(chǎng)景結(jié)構(gòu),以及深度線索信息,本文提出了一個(gè)多尺度特征融合的深度學(xué)習(xí)網(wǎng)絡(luò),分為特征提取網(wǎng)絡(luò)和特征融合網(wǎng)絡(luò)。特征提取網(wǎng)絡(luò)基于全卷積神經(jīng)網(wǎng)絡(luò)提取多層次的全局,局部特征,并減少了網(wǎng)絡(luò)參數(shù)。特征融合網(wǎng)絡(luò)則利用跳轉(zhuǎn)結(jié)構(gòu),逐步融合特征,將特征提取網(wǎng)絡(luò)的淺層局部特征和高層全局特征結(jié)合起來(lái),并采用快速反卷積將特征圖上采樣到原圖大小來(lái)進(jìn)行單目深度估計(jì)�？傮w而言,基于室外圖像,本文提出了一個(gè)由粗到細(xì)的基于結(jié)構(gòu)化... 

【文章來(lái)源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

初級(jí)人工智能

華 中 科 技 大 學(xué) 碩 士 學(xué) 位 論 文器，通常用于自動(dòng)駕駛汽車領(lǐng)域當(dāng)中。由于利用了高頻率的激抗干擾能力強(qiáng)，便于攜帶等優(yōu)點(diǎn)，但是也存在著一些缺點(diǎn)，由天氣影響，而且其結(jié)構(gòu)復(fù)雜成本較高，限制了它的推廣。而 Minect 傳感器（圖 1-2），具有 1 個(gè)彩色相機(jī)，以及 2 個(gè)紅外相機(jī)，通過(guò)向物體表面投射設(shè)計(jì)過(guò)的結(jié)構(gòu)光，接受并解析反射回來(lái)深度信息[1]。由于結(jié)構(gòu)光技術(shù)計(jì)算簡(jiǎn)單，所需的設(shè)備少所以 K較小，價(jià)格較為低廉，便于安裝維護(hù)，而且可以跨平臺(tái)操作，但測(cè)量范圍較小，受光照影響較大的問(wèn)題。目前而言，市面上現(xiàn)有著各自的不足，并不適合進(jìn)行大規(guī)模的推廣。

了單目深度估計(jì)的一些深度線索之后，就需要對(duì)一張圖像提取相像由多個(gè)像素點(diǎn)排列而成，可以從像素點(diǎn)中提取出邊緣，紋理，局特征而言，可以對(duì)整個(gè)圖像來(lái)計(jì)算提取特征，而對(duì)于局部特征行分塊，然后再來(lái)提取其局部特征。要采用了紋理，顏色，邊緣，暗通道等。由于紋理變化信息主要度通道中，因此將圖像轉(zhuǎn)化為 YCbCr 空間中，其中 Y 分量代表著和 Cr 分量則代表著圖像的兩個(gè)色彩通道，YCbCr 等可以作為所CN 特征征可以測(cè)量圖像中的紋理能量，Saxena[11]等人使用 SCN 特征用于 SCN 特征的卷積核由公式( 2-2 )中的向量組合而成，卷積核如圖 用于檢測(cè)局部均值， E 3向量用于檢測(cè)邊緣， S 3向量用于檢測(cè)點(diǎn)。

【參考文獻(xiàn)】：
期刊論文
[1]電影2D/3D轉(zhuǎn)換技術(shù)概述[J]. 劉偉,吳毅紅,胡占義.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2012(01)
[2]基于多尺度紋理能量測(cè)度的單幅圖像深度估計(jì)[J]. 藍(lán)建梁,丁友東,黃東晉,吳冏.  計(jì)算機(jī)工程與設(shè)計(jì). 2011(01)
[3]基于單幅建筑物圖像的三維信息提取[J]. 丁偉利,朱楓,郝穎明.  儀器儀表學(xué)報(bào). 2008(09)
[4]未標(biāo)定單幅結(jié)構(gòu)場(chǎng)景圖像的三維重構(gòu)[J]. 楊敏,沈春林.  中國(guó)圖象圖形學(xué)報(bào). 2004(04)



本文編號(hào)：3570248