隨著人工智能,3D應(yīng)用的發(fā)展,對于場景信息的獲取也越來越重要,深度作為場景中的最重要的信息之一,如何獲得深度信息一直是計算機視覺領(lǐng)域的一個重要問題。在深度采集設(shè)備不能大規(guī)模普及的情況下,針對已經(jīng)存有的大量的彩色圖,依據(jù)這些單目圖像來估計深度就是一個具有挑戰(zhàn)性的任務(wù)。對于單目圖像的深度估計問題,從場景分類出發(fā),本文分別基于室外圖像和室內(nèi)圖像進行了研究工作�；谑彝鈭D像,本文借鑒由粗到細的深度估計過程,設(shè)計了粗尺度結(jié)構(gòu)化隨機森林結(jié)合細尺度的結(jié)構(gòu)化隨機森林的結(jié)構(gòu),通過粗尺度的結(jié)構(gòu)化森林來估計全局的粗糙的深度信息,將預(yù)測結(jié)果上采樣之后送入到細尺度的結(jié)構(gòu)化森林中,從而進行局部的精細的深度估計。針對室內(nèi)圖像豐富的場景結(jié)構(gòu),以及深度線索信息,本文提出了一個多尺度特征融合的深度學(xué)習(xí)網(wǎng)絡(luò),分為特征提取網(wǎng)絡(luò)和特征融合網(wǎng)絡(luò)。特征提取網(wǎng)絡(luò)基于全卷積神經(jīng)網(wǎng)絡(luò)提取多層次的全局,局部特征,并減少了網(wǎng)絡(luò)參數(shù)。特征融合網(wǎng)絡(luò)則利用跳轉(zhuǎn)結(jié)構(gòu),逐步融合特征,將特征提取網(wǎng)絡(luò)的淺層局部特征和高層全局特征結(jié)合起來,并采用快速反卷積將特征圖上采樣到原圖大小來進行單目深度估計�？傮w而言,基于室外圖像,本文提出了一個由粗到細的基于結(jié)構(gòu)化... 

【文章來源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【部分圖文】：

初級人工智能

華 中 科 技 大 學(xué) 碩 士 學(xué) 位 論 文器，通常用于自動駕駛汽車領(lǐng)域當(dāng)中。由于利用了高頻率的激抗干擾能力強，便于攜帶等優(yōu)點，但是也存在著一些缺點，由天氣影響，而且其結(jié)構(gòu)復(fù)雜成本較高，限制了它的推廣。而 Minect 傳感器（圖 1-2），具有 1 個彩色相機，以及 2 個紅外相機，通過向物體表面投射設(shè)計過的結(jié)構(gòu)光，接受并解析反射回來深度信息[1]。由于結(jié)構(gòu)光技術(shù)計算簡單，所需的設(shè)備少所以 K較小，價格較為低廉，便于安裝維護，而且可以跨平臺操作，但測量范圍較小，受光照影響較大的問題。目前而言，市面上現(xiàn)有著各自的不足，并不適合進行大規(guī)模的推廣。

了單目深度估計的一些深度線索之后，就需要對一張圖像提取相像由多個像素點排列而成，可以從像素點中提取出邊緣，紋理，局特征而言，可以對整個圖像來計算提取特征，而對于局部特征行分塊，然后再來提取其局部特征。要采用了紋理，顏色，邊緣，暗通道等。由于紋理變化信息主要度通道中，因此將圖像轉(zhuǎn)化為 YCbCr 空間中，其中 Y 分量代表著和 Cr 分量則代表著圖像的兩個色彩通道，YCbCr 等可以作為所CN 特征征可以測量圖像中的紋理能量，Saxena[11]等人使用 SCN 特征用于 SCN 特征的卷積核由公式( 2-2 )中的向量組合而成，卷積核如圖 用于檢測局部均值， E 3向量用于檢測邊緣， S 3向量用于檢測點。

【參考文獻】：
期刊論文
[1]電影2D/3D轉(zhuǎn)換技術(shù)概述[J]. 劉偉,吳毅紅,胡占義.  計算機輔助設(shè)計與圖形學(xué)學(xué)報. 2012(01)
[2]基于多尺度紋理能量測度的單幅圖像深度估計[J]. 藍建梁,丁友東,黃東晉,吳冏.  計算機工程與設(shè)計. 2011(01)
[3]基于單幅建筑物圖像的三維信息提取[J]. 丁偉利,朱楓,郝穎明.  儀器儀表學(xué)報. 2008(09)
[4]未標(biāo)定單幅結(jié)構(gòu)場景圖像的三維重構(gòu)[J]. 楊敏,沈春林.  中國圖象圖形學(xué)報. 2004(04)



本文編號：3570248