基于场景分类和视觉关注的深度图生成算法研究

《基于场景分类和视觉关注的深度图生成算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文基于场景分类和视觉关注的深度图生成算法研究RESEARCHONDEPTHMAPGENERATIONALGORITHMBASEDONIMAGESCENECLASSIFICATIONANDVISUALATTENTION魏海涛哈尔滨工业大学2016年6月国内图书分类号：TP311学校代码：10213国际图书分类号：681密级：公开工程硕士学位论文基于场景分类和视觉关注的深度图生成算法研究硕士研究生：魏海涛导师：苏小红教授申请学位：工程硕士学科：计算机技术所在单位：计算机科学与技术答辩日期：2016年6月授予学位单位

2、：哈尔滨工业大学ClassifiedIndex:TP311.5U.D.C:681DissertationfortheMasterDegreeinEngineeringRESEARCHONDEPTHMAPGENERATIONALGORITHMBASEDONIMAGESCENECLASSIFICATIONANDVISUALATTENTIONCandidate：HaitaoWeiSupervisor：Prof.SuXiaohongAcademicDegreeAppliedfor：MasterofEngineeringSpeci

3、ality：ComputerTechnologyandScienceAffiliation：SchoolofComputerTechnologyandScienceDateofDefence：June,2016Degree-Conferring-Institution：HarbinInstituteofTechnology哈尔滨工业大学工程硕士学位论文摘要近年来数字产业飞速发展，3D电影及电视内容逐渐受到人们的追捧，传统的3D电影制作技术由于成本高、效率低已经不能满足3D影视制作市场的需要。因此，人们开始尝试对2D影像进

4、行处理并将其转换为3D影像。2D-3D转换过程分为深度信息提取过程和2D-3D图像转换过程，其中深度提取过程是2D-3D转换的关键，提取到的深度信息准确性直接决定最终2D-3D转换的效果。本文主要研究基于图像场景分类和视觉关注的深度信息提取方法，通过对图像进行初步的分析，识别图像的大致场景，并对不同场景下的图像执行不同的深度特征提取算法。同时，通过视觉关注算法完成对图像视觉前景区域的提取，将两种结果结合作为最终的符合人眼观测习惯的深度图像。本文的具体研究内容包括：首先，采用基于GMM模型的快速视觉显著性特征提取算法完成对

5、图像显著性特征的计算以及显著度区域的提取，然后结合GrabCut算法完成对图像视觉前景区域的提取。其次，采用结合OpponentSIFT和BOW模型的图像场景分类及深度特征提取算法提取简单图像的深度信息。首先采用BOW模型将图像分为三个场景类别：室外图像、城市图像和室内图像。然后，对于室外图像，通过区域识别及深度规则的定义完成深度信息的提取，对于城市图像，通过识别消失点提取并结合区域识别提取深度特征信息，对于室内图像，通过识别地面区域提取深度特征信息。最终将深度图与视觉关注前景区域融合作为最终的深度图像。最后，针对场景分

6、类所不能识别的特殊类型图像，采用基于SIFT流的图像匹配的方法完成对特殊类型图像的深度信息提取工作，首先利用GIST特征寻找与待分析图像相似的图像，然后应用SIFT流进行图像像素点的匹配，最后，通过基于IRLS的深度估计算法完成对图像的深度估计，最终，融合视觉前景区域形成最终的深度图。在实验方面，本文选用SunDatabase数据库来检测图像分类的效果，同时也选择了Make3D数据库的部分图像讨论了几种不同场景下的深度图生成算法的效果并将它们与数据库中的真实深度图进行比较。关键词：深度信息提取；场景分类；区域识别；视觉关

7、注算法I哈尔滨工业大学工程硕士学位论文AbstractThree-dimensionalmovies(3Dmovies)andthree-dimensionaltelevision(3D-TV)arenowadayspopularamongpeople.However,conventional3Dtechnologiescannotsatisfythedemandsof3Dfilmandtelevisionmarketfortheirhighcostandinefficiency.Inthiscase,researche

8、rsattempttocopewith2Dimagesandconverttheminto3Dimages.The2D-to-3Dconversionprocessissubdividedintotwosegments:theextractionofdepthinformationandtherenderingoft