基于核主成分分析(KPCA)和神經(jīng)網(wǎng)絡(luò)的單目紅外圖像深度估計(jì).pdf

1、100多年前興起了一項(xiàng)基于紅外輻射的信息交換與處理技術(shù),主要研究紅外線的發(fā)射、傳輸?shù)鹊幕疽?guī)律及實(shí)用前景。近些年,對(duì)紅外成像技術(shù)的探索越來(lái)越受到人們的重視。隨著相關(guān)技術(shù)的蓬勃發(fā)展,紅外成像在軍用領(lǐng)域和民用領(lǐng)域的作用日漸突出,人們對(duì)紅外圖像成像質(zhì)量的要求也越來(lái)越高。將物體表面的溫度分布利用某種特殊的裝置轉(zhuǎn)換成人眼可見(jiàn)的圖像這一特殊的成像機(jī)制,使得景物深度感和空間感的缺乏成為紅外圖像的一大缺陷。實(shí)現(xiàn)紅外圖像的空間感,可以極大改善其視覺(jué)質(zhì)量,

2、提高對(duì)場(chǎng)景的理解,并有利于之后圖像的分析處理。為了解決這一難題,本文提出了一種基于核主成分分析(KPCA)和神經(jīng)網(wǎng)絡(luò)的紅外圖像深度估計(jì)算法。圖像的深度估計(jì)即是從圖像中獲取深度距離信息,從本質(zhì)上講是一個(gè)深度感知的問(wèn)題。目前有三種深度估計(jì)的方法:雙目深度估計(jì),基于圖像序列的深度估計(jì)和單目深度估計(jì)。前兩種方法應(yīng)用較為廣泛,都依賴于圖像間的特征差異。而單目深度估計(jì)只能依據(jù)先驗(yàn)知識(shí)和圖像本身的特征來(lái)提取深度線索。紅外圖像在實(shí)際應(yīng)用中往往是單目圖像

3、,所以本文采用的深度估計(jì)方法即是單目深度估計(jì),結(jié)合紅外圖像的固有特點(diǎn),通過(guò)機(jī)器學(xué)習(xí)恢復(fù)紅外圖像場(chǎng)景中的空間位息。本文的工作是研究單目紅外圖像的深度估計(jì)算法,主要分為三部分:第一部分是提取與紅外圖像深度相關(guān)的特征;第二部分是以KPCA理論為基礎(chǔ),對(duì)粗提取的特征進(jìn)行篩選;第三部分是以神經(jīng)網(wǎng)絡(luò)理論為基礎(chǔ),對(duì)篩選出的特征進(jìn)行訓(xùn)練得到深度估計(jì)模型。本文創(chuàng)新點(diǎn)如下:1.采用基于線性核函數(shù),多項(xiàng)式核函數(shù),高斯徑向基核函數(shù),多層感知核函數(shù)的KPCA算法

4、對(duì)粗提取的特征進(jìn)行篩選,并采用粒子群算法,優(yōu)化KPCA核函數(shù)的參數(shù)。2.采用機(jī)器學(xué)習(xí)研究中較為重要的BP神經(jīng)網(wǎng)絡(luò)對(duì)篩選后的深度特征進(jìn)行訓(xùn)練,得到深度估計(jì)模型。通過(guò)仿真實(shí)驗(yàn)證明,核主成分分析(KPCA)通過(guò)核方法免去直接對(duì)樣本進(jìn)行非線性映射,實(shí)現(xiàn)算法高效簡(jiǎn)潔,保證特征向量與深度的相關(guān)性、相互間的獨(dú)立性,有效的避免了維數(shù)災(zāi)難。其中基于多項(xiàng)式核函數(shù)的核主成分分析篩選的特征向量訓(xùn)練得到的深度估計(jì)模型能更好地恢復(fù)原始圖像的深度信息。與前人提出的基