基于高斯-柯西混合模型的单幅散焦图像深度恢复方法-计算机科学.PDFVIP

第 44 卷第1 期 Vo l. 44 No. 1 计算机科学 2017 年 1 月 COMPUTER SCIENCE Ja口.2017 基于高斯-柯西混合模型的单幅散焦图像深度恢复方法 薛松1 王文剑1，2 (山西大学计算机与信息技术学院 太原 030006)1 (山西大学计算智能与中文信息处理教育部重点实验室 太原 030006)2 摘 要 羊幅图像场景深度的获取一直是计算机视觉领域的一个难题。使用高斯分布函数或柯西分布函数近似点扩 散函数模型CPS凹，再根据图像边缘处散焦模糊量的大小与场景深度之间的关系估算出深度信息，是一种常用的方 法。真实世界中图像模糊的缘由千变万化，高斯分布函数以及柯西分布函数并不一定是最佳的近似模型，并且传统的 方法对于图像存在阴影、边缘不明显以及深度变化比较细微的区域的深度恢复结果不够准确。为了提取更为精确的 深度信息，提出一种利用高斯-柯西混合模型近似 PSF 的方法;然后对散焦图像进行再模糊处理，得到两幅散焦程度不 同的图像;再通过计算两幅散焦图像边缘处梯度的比值估算出图像边缘处的散焦模糊量，从而得到稀疏深度图;最后 使用深度扩展法得到场景的全景深度图。通过大量真实图像的测试，说明新方法能够从单幅散焦图像中恢复出完整、 可靠的深度信息，并且其结果优于目前常用的两种方法。 关键词 深度估计，散焦模糊量，高斯柯西混合模型 中图法分类号 TP39 1. 4 文献标识码 A 001 10. 11896/j. issn. 1002-137χ2017.01. 006 Depth Estimation from Single Defocused Image ßased on Gaussian-Cauchy Mixed Model 1 12 XUE Song WANG Wen-jian . (School of Computer and Informatio且 Technology， Shanxi University ,Taiyuan 030006 ,China) 1 (Key Laboratory of Computational Intelligence and Chinese Information Processing of Ministry of Education ,Taiyuan 030006 ,China) 2 Abstract R巳covering the 3D depth of a scene from a single image is a difficult problem in the field of computer vision. Most methods for depth estimation from a single defocused image construct the point spread function by an 2D Gaussian or Cauchy distribution. However ,reasons of blurred images in the real world are varied ,so a simple Gaussian or Cauchy distribution function may be not the best approximation model. They are often