規(guī)則形狀幾何物體的散焦測距算法研究.pdf

1、在3D空間中，若缺乏圖像上的景深信息，則所得到的運動分析將只是圖像中像素點的移動變化，其只能應(yīng)用于二維空間的場合，并不足以描繪、重構(gòu)3D空間中的整個環(huán)境信息。因此，為了獲得景深信息，本論文研究了散焦測距的幾種視覺模型。散焦測距是計算機視覺領(lǐng)域中非常重要的視覺模型。散焦測距的方法最早是在1987年由Pentland提出的，它最少只需要兩張不同鏡頭設(shè)定下所拍攝的圖像就可以計算出距離信息。　　散焦測距系統(tǒng)大致上分為兩個處理的階段，第一階段主

2、要是攝像機的校正工作，第二階段為深度重建的工作，本論文在標(biāo)定出計算機的透光率參數(shù)k的基礎(chǔ)上，利用兩幅規(guī)則形狀物體的灰度圖像，基于散焦測距的理論基礎(chǔ)，討論了散焦測距的三種算法。本論文的主要成果有如下幾點：　　首先，本文研究了基于數(shù)字圖像處理深度恢復(fù)的基本理論與方法—散焦測距法。散焦深度法估計物體距離或者進行圖像恢復(fù)的依據(jù)是成像系統(tǒng)的點擴散函數(shù)及它所產(chǎn)生的模糊圓?！　∑浯危瑸榱撕喕嬎?，基于Pentland的算法，把圖像直角坐標(biāo)系下的傅

3、立葉變換轉(zhuǎn)化成極坐標(biāo)下的傅立葉變換。通過仿真實驗，探討并證實了用模糊圖像恢復(fù)出物體深度信息的可行性。實驗結(jié)果給出最大測量誤差為4.3％?！　≡俅?，本論文中引入了一種dynamicreferencingtechnique技術(shù)來對subbarao的算法進行了改進，這種改進通過高斯卷積的dummyblurring來實現(xiàn)。改進后的算法計算出的深度信息與物體表面的紋理無關(guān)。另外，根據(jù)parseval定理，用傅立葉的能量來代替對圖像的每一個像素點