检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于失焦模糊特性的焦点堆栈深度估计方法

计算机应用 2023年

作者：周萌黄章进中国科学技术大学计算机科学与技术学院

现有的单目深度估计方法通常使用图像语义信息获取深度，忽略了另一个重要的线索—失焦模糊。基于失焦模糊的深度估计方法通常把焦点堆栈或者其梯度信息作为输入，没有考虑到焦点堆栈各图像层之间的模糊变化量小以及焦点平面两侧具有模... 详细信息

现有的单目深度估计方法通常使用图像语义信息获取深度，忽略了另一个重要的线索—失焦模糊。基于失焦模糊的深度估计方法通常把焦点堆栈或者其梯度信息作为输入，没有考虑到焦点堆栈各图像层之间的模糊变化量小以及焦点平面两侧具有模糊歧义性的特点。针对现有焦点堆栈深度估计方法的不足，提出一种基于3D卷积的轻量化网络。首先设计了一个3D感知模块对焦点堆栈的模糊信息进行粗提取；然后将提取到的信息与通道差分模块输出的焦点堆栈RGB通道差分特征进行级联，构建可以识别模糊歧义性模式的焦点体；最后利用多尺度3D卷积预测深度。与AiFDepthNet等方法相比，所提方法在DefocusNet数据集上的平均绝对误差(Mean Absolute Error, MAE)等7个指标取得了最优，在NYU Depth V2数据集上4个指标取得了最优，3个指标取得了次优，同时轻量化的设计使推理时间降低至7.01ms。实验结果表明，所提方法能够有效地提高焦点堆栈深度估计的准确性及其推理速度。

关键词：单目深度估计焦点堆栈失焦模糊焦点体模糊歧义性

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于失焦模糊的焦点堆栈深度估计方法

计算机应用 2023年第9期43卷 2897-2903页

作者：周萌黄章进中国科学技术大学计算机科学与技术学院合肥230027

现有的单目深度估计方法通常使用图像语义信息来获取深度,忽略了另一个重要的线索——失焦模糊。同时,基于失焦模糊的深度估计方法通常把焦点堆栈或者梯度信息作为输入,没有考虑到焦点堆栈各图像层之间的模糊变化量小以及焦点平面两侧... 详细信息

现有的单目深度估计方法通常使用图像语义信息来获取深度,忽略了另一个重要的线索——失焦模糊。同时,基于失焦模糊的深度估计方法通常把焦点堆栈或者梯度信息作为输入,没有考虑到焦点堆栈各图像层之间的模糊变化量小以及焦点平面两侧具有模糊歧义性的特点。针对现有焦点堆栈深度估计方法的不足,提出一种基于三维卷积的轻量化网络。首先,设计一个三维感知模块对焦点堆栈的模糊信息进行粗提取;然后,将提取到的信息与通道差分模块输出的焦点堆栈RGB通道差分特征进行级联,构建可以识别模糊歧义性模式的焦点体;最后,利用多尺度三维卷积来预测深度。实验结果表明,与AiFDepthNet(All in Focus Depth Network)等方法相比,所提方法在DefocusNet数据集上的平均绝对误差(MAE)等7个指标上取得了最优;在NYU Depth V2数据集上的4个指标上取得了最优,3个指标上取得了次优;同时,轻量化的设计使所提方法的推理时间分别缩短了43.92%~70.20%和47.91%~77.01%。可见,所提方法能有效地提高焦点堆栈深度估计的准确性及推理速度。

关键词：单目深度估计焦点堆栈失焦模糊焦点体模糊歧义性

在线全文

学校读者我要写书评

暂无评论

基于多进程的焦点堆栈图像融合方法

图像与信号处理 2022年第1期11卷 1-8页

作者：尹少齐海克斯康制造智能技术(青岛)有限公司山东青岛七海测量技术(深圳)有限公司广东深圳

传统上为了拍摄前景与后景均清晰的图像,相机光圈应当尽可能的小。但是受到衍射极限的影响,过小的光圈会造成图像发生畸变。然而通过将多张相同构图但不同焦距的图像合成,可克服上述困难。本方法包含硬件设备和算法设计,重点在算法设计... 详细信息

传统上为了拍摄前景与后景均清晰的图像,相机光圈应当尽可能的小。但是受到衍射极限的影响,过小的光圈会造成图像发生畸变。然而通过将多张相同构图但不同焦距的图像合成,可克服上述困难。本方法包含硬件设备和算法设计,重点在算法设计上,包括高斯滤波、拉普拉斯算子、均值滤波以及探测点的极大值映射,最终实现图像的合成。除此而外,算法中还加入了多进程的思想,使得算法在获取同样锐度图像的条件下,程序运行时间极大缩短,这通过仿真实验得以论证。本论文提出的算法适用于多核CPU的处理,具备普适性。

关键词：焦点堆栈多进程图像合成多核CPU

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于光场相机的超分辨率焦点堆栈的研究

计算机测量与控制 2014年第3期22卷 901-904页

作者：赵兴荣韩燮田卫萍中北大学计算机与控制工程学院太原030051 中国兵工集团207所太原030051

光场相机采用微透镜阵列测量场景中所有光线的辐射度和方向信息;因为它们捕捉的是一个场景中的四维光场信息,所以大大增强了当前商用相机性能;通过处理这些已经记录的光场信息,这些相机能够在拍摄后重新聚焦场景和获得三维信息;文章基... 详细信息

光场相机采用微透镜阵列测量场景中所有光线的辐射度和方向信息;因为它们捕捉的是一个场景中的四维光场信息,所以大大增强了当前商用相机性能;通过处理这些已经记录的光场信息,这些相机能够在拍摄后重新聚焦场景和获得三维信息;文章基于光场相机结合焦点堆栈变换,引入新的超分辨率焦点堆栈,提出了一种新的同时估计深度图和场景全聚焦超分辨率图像的技术;实验结果表明可以获得很好的重聚焦图像和深度图。

关键词：计算摄影学光场焦点堆栈光场相机深度图

融合光场焦点堆栈和全聚焦图像的显著性检查算法

在线全文

学校读者我要写书评

暂无评论

融合光场焦点堆栈和全聚焦图像的显著性检查算法

作者：李俊锋浙江工商大学

学位级别：硕士

显著性检测是计算机视觉中长期被关注的问题。可靠、准确的显著性检测有助于后续目标跟踪和识别等图像和视觉算法的快速实现。现有显著性检测方法通常是通过整合低层特征(像素或者超像素)和高层描述(区域或者目标)来实现,已取得了显著... 详细信息

显著性检测是计算机视觉中长期被关注的问题。可靠、准确的显著性检测有助于后续目标跟踪和识别等图像和视觉算法的快速实现。现有显著性检测方法通常是通过整合低层特征(像素或者超像素)和高层描述(区域或者目标)来实现,已取得了显著进展。但这些算法都是针对传统积分成像原理的常规相机。随着新一代光场相机的出现和不断完善,它可通过图像传感器前的微透镜阵列获取光场数据,突破了传统成像几何的局限,为图像处理和计算机视觉提供了新思路和新方法。基于光场相机的应用逐渐受到国内外科研人员的广泛关注。本文依次从光场相机理论、光场数据提取和处理、光场图像显著性检测进行分析与探讨,主要研究内容包括：一、通过分析光场相机成像原理和算法,给出了一套实现原始光场数据提取和解码的方案。在此基础上重点研究了光场图像解码中六边形转正交的转换算法,提高光场数据提取的准确性。二、根据光场相机能够生成焦点堆栈图像的特点,设计并实现了一种融合光场相机焦点堆栈的全聚焦图像生成方法。三、针对光场相机可获得焦点堆栈的特点,研究了一种融合焦点堆栈信息和全聚焦图像的显著性检测算法,能对复杂环境下的光场图像进行准确和鲁棒的显著区域检测。

关键词：光场相机光场数据处理焦点堆栈显著性检测

基于超分辨率焦点堆栈光场成像的全聚焦图像生成研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电脑知识与技术 2018年第8期14卷 139-142页

作者：陈怡良柯天星姜鑫彭晶武汉工程大学计算机科学与工程学院湖北武汉430205

本文通过对基于光场相机三维深度信息提取关键技术进行了深入的研究,重点研究了光场相机成像原理,引入焦点堆栈这一理念,并在其基础之上得出超分辨率焦点堆栈的研究算法,在重聚焦算法的基础上,提出基于光场相机的全聚焦图像生成算法。... 详细信息

本文通过对基于光场相机三维深度信息提取关键技术进行了深入的研究,重点研究了光场相机成像原理,引入焦点堆栈这一理念,并在其基础之上得出超分辨率焦点堆栈的研究算法,在重聚焦算法的基础上,提出基于光场相机的全聚焦图像生成算法。通过轮廓提取的方法,对比所获取的重聚焦图像与所生成的全聚焦图像。实验结果表明：所提出的算法能够较好生成全聚焦图像。最后,对光场相机研究中遇到的问题进一步的分析,提出有待改进之处,并对光场相机的发展前景进行了展望。

关键词：光场相机超分辨率焦点堆栈全聚焦图像

在线全文

学校读者我要写书评

暂无评论

基于卷积神经网络的光场显著性检测研究

基于卷积神经网络的光场显著性检测研究

作者：蒋奔江苏科技大学

学位级别：硕士

显著性检测一直以来是计算机视觉领域的重要研究方向之一,准确有效的显著性检测可以为视觉跟踪、目标检测与识别、重定向、图像压缩等提供可靠的先验信息。基于RGB图像和RGB-D图像的显著性检测易受光照、遮挡等因素的影响,在挑战性场景... 详细信息

显著性检测一直以来是计算机视觉领域的重要研究方向之一,准确有效的显著性检测可以为视觉跟踪、目标检测与识别、重定向、图像压缩等提供可靠的先验信息。基于RGB图像和RGB-D图像的显著性检测易受光照、遮挡等因素的影响,在挑战性场景中检测精度较低。随着光场成像技术的发展,光场数据为显著性检测开辟了一条新的途径。光场图像中丰富的视觉信息,包括颜色、深度、聚焦、光线的位置和方向等,可以帮助算法在复杂场景中准确定位显著性物体。因此,利用光场数据进行显著性检测吸引了大量国内外学者的关注。然而,现有的光场显著性检测算法没有充分考虑多模态光场数据之间的相关性和互补性,导致多模态融合效果不够理想,在复杂场景中出现错检、漏检等情况。针对以上问题,本文利用卷积神经网络强大的特征提取能力,探索并利用微透镜图像阵列和焦点堆栈图像中丰富的视觉信息,提高复杂场景中的显著性物体的检测精度。本文的主要工作如下:(1)提出了一种基于微透镜图像阵列和全聚焦图像融合的光场显著性检测算法。该算法首先对微透镜特征进行细化,使其更加关注视角变化信息,强化其与全聚焦特征的差异性,然后采用光场融合模块来自适应地融合微透镜特征和全聚焦特征。通过从微透镜图像阵列中学习角度特征,帮助区分颜色、纹理相似的前景和背景,提升算法在复杂场景中的检测性能。(2)提出了一种基于焦点堆栈和全聚焦图像融合的光场显著性检测算法。该算法首先采用双流网络架构分别提取焦点堆栈和全聚焦图像的特征。然后,在全聚焦特征的指导下进行焦点切片组内上下文信息传播。接下来,对焦点堆栈特征进行整合,通过探索每个焦点切片的权重来强调有用的光场特征并且抑制不必要的光场特征。最后通过Conv GRU模块对焦点堆栈特征和全聚焦特征进行融合。(3)本文做了大量的实验来验证提出算法的有效性。分别将提出的算法与目前先进的RGB、RGB-D和光场显著性检测算法进行比较并做了消融实验。实验结果表明,本文提出的光场显著性算法在复杂场景中有较强的鲁棒性,并且在多个公开数据集上均取得了优异的性能。

关键词：显著性检测光场图像微透镜图像阵列焦点堆栈卷积神经网络

基于深度学习的光场深度估计系统的研究与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的光场深度估计系统的研究与实现

作者：周文杰东华大学

学位级别：硕士

光场技术的快速发展为深度估计任务提供了一种估算场景深度的新思路,基于焦点堆栈图像的光场深度估计方法在近年来取得了显著的进展。焦点堆栈图像由一组聚焦在不同景深处的焦点切片构成,通过不同的焦点切片图像可以获取到场景的聚焦信... 详细信息

光场技术的快速发展为深度估计任务提供了一种估算场景深度的新思路,基于焦点堆栈图像的光场深度估计方法在近年来取得了显著的进展。焦点堆栈图像由一组聚焦在不同景深处的焦点切片构成,通过不同的焦点切片图像可以获取到场景的聚焦信息和失焦信息,从而可以精确计算出场景的深度值。然而,现有的基于焦点堆栈图像的光场深度估计方法仅仅从焦点堆栈图像中获取深度信息,忽略了中心视角图像中包含的空间结构信息。因此,这些方法在复杂场景输入下的深度预测结果准确性较低。本文旨在充分学习焦点堆栈图像的聚焦信息和中心视角图像的空间结构信息并动态地融合这两种信息以获取精确的深度图。论文的创新点和主要研究内容如下:(1)本文提出了一种基于多模态信息融合的光场深度估计方法,设计了两个不同的特征提取模块分别提取焦点堆栈图像的聚焦信息和中心视角图像的空间结构信息,此外,本文设计了多模态信息融合模块动态地融合焦点堆栈图像的聚焦信息和中心视角图像的空间结构信息以获取精确的深度图,使得网络在面对复杂的输入场景时,也能够得到较好的深度估计效果,降低了场景中的遮挡和噪声。在DUT-LFDD数据集上的实验结果表明,该方法与其他主流的光场深度估计方法相比具有更好的效果,平均相对误差绝对值为13.43%,精确度达到了81.69%。(2)本文在基于多模态信息融合的光场深度估计方法的基础上设计并实现了一个交互性的光场深度估计软件系统。该系统包括用户管理、日志管理、登录验证与请求拦截、深度估计等功能,用户可以在登录后提交场景的焦点堆栈图像和中心视角图像获取到场景的深度图。

关键词：光场深度估计多模态信息融合焦点堆栈系统

基于数字重聚焦原理和深度线索的显著性目标检测方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于数字重聚焦原理和深度线索的显著性目标检测方法研究

作者：熊高敏合肥工业大学

学位级别：硕士

显著性目标检测是一项基于人类视觉注意理论的计算机视觉任务。光场显著性目标检测作为其新兴的一个分支,以光场提供的丰富图像类型为数据来源,通过充分提取场景包含的特征来准确地识别并分割出场景中吸引注意力的完整物体,提高在复杂... 详细信息

显著性目标检测是一项基于人类视觉注意理论的计算机视觉任务。光场显著性目标检测作为其新兴的一个分支,以光场提供的丰富图像类型为数据来源,通过充分提取场景包含的特征来准确地识别并分割出场景中吸引注意力的完整物体,提高在复杂背景、复杂光照、物体与背景相似等挑战性场景下的性能。研究表明,颜色、方向、运动、深度和聚焦都是影响视觉注意的因素。由于光场所提供图像类型的特殊性,现有基于深度学习的方法只基于上述部分因素进行特征提取,以降低网络的计算负担。然而,无论是基于重聚焦图像类型的方法还是基于多视角图像类型的方法,都未能在特征提取过程中充分利用光场特性、尽可能地减少光场的冗余信息。本文围绕如何充分、高效地利用光场特性进行显著性目标检测,从不同图像类型提供的信息入手,主要开展了以下四个方面的研究:(1)提出一种基于焦点堆栈的3D-2D混合卷积网络,从焦点堆栈中充分提取连续变化的聚焦线索来检测显著性目标的同时极大地降低了网络所需的计算量。与现有基于重聚焦图像类型的深度学习方法相比:无需输入全聚焦图像,网络结构更简单;使用3D卷积从焦点堆栈中提取特征,更好地保留了聚焦线索;为整个焦点堆栈生成一幅显著图,计算更高效。实验结果表明,该网络在光场显著性目标检测数据集上能够精确地检测出显著性目标。(2)提出一种基于数字重聚焦数据增强的显著性目标检测网络,融合颜色、方向、聚焦、边缘和深度特征,实现了高效的显著性目标检测。与直接输入焦点堆栈的方法相比,该方法将数字重聚焦原理作为数据增强的手段,在网络训练过程中,只需输入重聚焦图像和深度图,使光场显著性目标检测任务转化为RGB-D显著性目标检测任务,极大地降低了网络训练时的计算负担。同时,为兼顾RGB显著性目标检测任务,在测试阶段支持只输入RGB图像。实验结果表明,该网络在3种显著性目标检测数据集上均取得了良好的检测效果。(3)提出较小规模的光场显著性目标检测网络。本文的方法针对现有方法没有考虑网络在移动设备上的可移植性、网络计算高效的问题,在网络设计的过程中,始终结合当前数据的特性,尽可能地设计规模较小地网络。实验结果表明,本文的网络在取得良好检测精度的同时,具有较小的规模。(4)探究在多个基线上训练的差异。本文的方法针对现有方法在不同基线上进行训练的问题,在3个具有代表性的基线上进行训练,比较不同基线上训练得到模型的差异,为后续工作选择基线提供参考。

关键词：光场显著性目标检测焦点堆栈深度图数字重聚焦原理