-
题名基于超像素分割的单幅散焦图像深度恢复方法
被引量：7
- 1
-
-
作者
薛松
王文剑
-
机构
山西大学计算机与信息技术学院
山西大学计算智能与中文信息处理教育部重点实验室
-
出处
《计算机科学与探索》
CSCD
北大核心
2018年第7期1162-1168,共7页
-
基金
国家自然科学基金No.61673249
山西省回国留学人员科研资助项目No.2016-004
山西省自然科学基金No.2015021091~~
-
文摘
现有的单幅散焦图像深度恢复算法大多存在算法复杂,对图像边缘、复杂纹理及阴影区域恢复效果差等问题。提出一种基于超像素分割的单幅散焦图像的深度恢复方法。首先将原始图像分割成若干超像素模块,然后根据图像中边缘处像素的散焦模糊量求得各超像素模块的散焦模糊量,以获得超像素级别的稀疏深度图,再对所求出的稀疏深度图进行优化处理,最后恢复出真实准确的全景深度图。该算法不仅可以将误差降低到最小,而且可以简化边缘散焦模糊量向全局扩展的过程。在真实数据上的仿真实验表明,该方法不仅耗时短,而且可以有效改进边缘不明显、纹理复杂以及存在阴影区域的深度恢复效果。
-
关键词
深度估计
散焦模糊量
超像素分割
-
Keywords
depth estimation
defocus blur
superpixel segmentation
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于高斯-柯西混合模型的单幅散焦图像深度恢复方法
被引量：4
- 2
-
-
作者
薛松
王文剑
-
机构
山西大学计算机与信息技术学院
山西大学计算智能与中文信息处理教育部重点实验室
-
出处
《计算机科学》
CSCD
北大核心
2017年第1期32-36,共5页
-
基金
国家自然科学基金(61273291)
山西省回国留学人员科研资助项目(2012-008)资助
-
文摘
单幅图像场景深度的获取一直是计算机视觉领域的一个难题。使用高斯分布函数或柯西分布函数近似点扩散函数模型(PSF),再根据图像边缘处散焦模糊量的大小与场景深度之间的关系估算出深度信息,是一种常用的方法。真实世界中图像模糊的缘由千变万化,高斯分布函数以及柯西分布函数并不一定是最佳的近似模型,并且传统的方法对于图像存在阴影、边缘不明显以及深度变化比较细微的区域的深度恢复结果不够准确。为了提取更为精确的深度信息,提出一种利用高斯-柯西混合模型近似PSF的方法;然后对散焦图像进行再模糊处理,得到两幅散焦程度不同的图像;再通过计算两幅散焦图像边缘处梯度的比值估算出图像边缘处的散焦模糊量,从而得到稀疏深度图;最后使用深度扩展法得到场景的全景深度图。通过大量真实图像的测试,说明新方法能够从单幅散焦图像中恢复出完整、可靠的深度信息,并且其结果优于目前常用的两种方法。
-
关键词
深度估计
散焦模糊量
高斯-柯西混合模型
-
Keywords
Depth estimation, Defocus blur, GC-PSF
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
