基于場景分類和視覺關注的深度圖生成算法研究.pdf

1、近年來數字產業(yè)飛速發(fā)展，3D電影及電視內容逐漸受到人們的追捧，傳統(tǒng)的3D電影制作技術由于成本高、效率低已經不能滿足3D影視制作市場的需要。因此，人們開始嘗試對2D影像進行處理并將其轉換為3D影像。2D-3D轉換過程分為深度信息提取過程和2D-3D圖像轉換過程，其中深度提取過程是2D-3D轉換的關鍵，提取到的深度信息準確性直接決定最終2D-3D轉換的效果。
　　本文主要研究基于圖像場景分類和視覺關注的深度信息提取方法，通過對圖像進行

2、初步的分析，識別圖像的大致場景，并對不同場景下的圖像執(zhí)行不同的深度特征提取算法。同時，通過視覺關注算法完成對圖像視覺前景區(qū)域的提取，將兩種結果結合作為最終的符合人眼觀測習慣的深度圖像。本文的具體研究內容包括：
　　首先，采用基于GMM模型的快速視覺顯著性特征提取算法完成對圖像顯著性特征的計算以及顯著度區(qū)域的提取，然后結合GrabCut算法完成對圖像視覺前景區(qū)域的提取。
　　其次，采用結合Opponent SIFT和BOW模型

3、的圖像場景分類及深度特征提取算法提取簡單圖像的深度信息。首先采用BOW模型將圖像分為三個場景類別：室外圖像、城市圖像和室內圖像。然后，對于室外圖像，通過區(qū)域識別及深度規(guī)則的定義完成深度信息的提取，對于城市圖像，通過識別消失點提取并結合區(qū)域識別提取深度特征信息，對于室內圖像，通過識別地面區(qū)域提取深度特征信息。最終將深度圖與視覺關注前景區(qū)域融合作為最終的深度圖像。
　　最后，針對場景分類所不能識別的特殊類型圖像，采用基于SIFT流的圖

4、像匹配的方法完成對特殊類型圖像的深度信息提取工作，首先利用GIST特征尋找與待分析圖像相似的圖像，然后應用SIFT流進行圖像像素點的匹配，最后，通過基于IRLS的深度估計算法完成對圖像的深度估計，最終，融合視覺前景區(qū)域形成最終的深度圖。
　　在實驗方面，本文選用Sun Database數據庫來檢測圖像分類的效果，同時也選擇了Make3D數據庫的部分圖像討論了幾種不同場景下的深度圖生成算法的效果并將它們與數據庫中的真實深度圖進行比較