自然場(chǎng)景的3D深度恢復(fù)及應(yīng)用研究.pdf

1、隨著顯示技術(shù)的快速發(fā)展以及人類日常生活需求的增長(zhǎng)，3D立體顯示技術(shù)已然掀起了圖像圖形顯示領(lǐng)域的一場(chǎng)新技術(shù)革命，成為影視及影像行業(yè)的最新、最前沿的高新技術(shù)，它以新、特、奇的表現(xiàn)手法，真實(shí)而強(qiáng)烈地視覺(jué)沖出力，良好優(yōu)美的環(huán)境感染力吸引著人們的目光。同時(shí)，3D顯示技術(shù)在各行各業(yè)中都得到了實(shí)際有效的應(yīng)用。但是現(xiàn)存的大部分圖片及視頻仍然是2D的，而且市場(chǎng)上仍然沒(méi)有非常廉價(jià)的適用于個(gè)人使用的3D采集設(shè)備。怎么恢復(fù)這些2D圖片或視頻的3D深度信息成為3

2、D立體顯示領(lǐng)域的一項(xiàng)重要任務(wù)。在獲得這些2D場(chǎng)景的深度信息之后即可輕易的將2D場(chǎng)景轉(zhuǎn)換成3D場(chǎng)景。
　　本文圍繞2D場(chǎng)景的深度恢復(fù)及應(yīng)用，研究了利用散焦線索對(duì)單幅圖像進(jìn)行深度圖的恢復(fù)、基于圖像結(jié)構(gòu)的深度圖平滑修正、結(jié)合深度圖的RGB圖像顯著性目標(biāo)檢測(cè)、利用3D深度信息的在線人類動(dòng)作識(shí)別等重要問(wèn)題。主要?jiǎng)?chuàng)新點(diǎn)包括:
　　1.提出了一種利用圖像散焦線索恢復(fù)場(chǎng)景3D深度信息的方法，通過(guò)圖像的局部區(qū)域頻譜幅度對(duì)比度來(lái)建立場(chǎng)景深度恢復(fù)

3、模型?？紤]到恢復(fù)出的深度圖中可能存在噪音點(diǎn)，本文提出一種基于總變分的圖像保邊緣平滑算法，用以平滑恢復(fù)出的初始深度圖。使得最終恢復(fù)出的深度圖紋理區(qū)域更加平滑，因此本文恢復(fù)的深度圖更加適合于2D到3D轉(zhuǎn)換以及其它方面的應(yīng)用。
　　2.利用圖像的背景先驗(yàn)和顏色的空間分布，首先提出了一種RGB圖像的顯著性檢測(cè)。另外，本文將深度圖信息融入到矩陣的低秩恢復(fù)模型，提出了一種RGBD圖像的顯著性檢測(cè)方法。相比于以往的主流算法，我們?cè)诓煌腞GB圖

4、像數(shù)據(jù)集和RGBD圖像數(shù)據(jù)集上都取得了更好的結(jié)果。本文的結(jié)果有更高的準(zhǔn)確率和召回率，因此，本文檢測(cè)出的顯著圖結(jié)果能夠更好的用于圖像的后續(xù)處理，如圖像分割、基于內(nèi)容的圖像編輯等。
　　3.從實(shí)際應(yīng)用的角度出發(fā)，本文提出了一種基于深度信息的在線人類行為識(shí)別算法，通過(guò)協(xié)方差矩陣對(duì)每一幀進(jìn)行特征描述相，利用核化的SVM和最鄰近搜索算法實(shí)現(xiàn)分類。相比于以往基于片段的行為識(shí)別方法，本文提出的方法更具實(shí)用性。相比于以往的在線行為識(shí)別方法，本文的