基于空间变化窗口的信息散度算法.pdf

华南理工大学学报(自然科学版) JournalofSouthChina of V01．39No．10 第39卷第10期 UniversityTechnology Science October20ll 2011年10月 (Natural Edition) 文章编号：1000-565X(2011)10—0050—05 基于空间变化窗13的信息散度算法术 程鸿1 宫炎焱1 章权兵1 张伟2 (1．安徽大学计算智能与信号处理教育部重点实验室，安徽合肥230039； 2．香港中文大学电子工程系，香港999077) 摘要：为解决传统信息散度算法存在物体图像大小不一致以及非连续区域深度恢复精 度低等问题，提出了一种新的基于空间变化窗口的信息散度算法．该算法计算两幅原散焦 图像之间的单应矩阵，并利用单应矩阵重新矫正原图像以获得相同大小的散焦图像对，通 过空间变化的窗口结构来估计不连续区域附近的深度．模拟实验和实际图像实验结果表 明，文中改进算法可以避免平滑非连续域的深度值并提高估计的精度． 关键词：散焦图像；深度恢复；空间变化窗1：／；信息散度；等焦面假设；单应矩阵 中图分类号：TP319．4 散焦恢复深度(DFD)是一种从散焦图像中推1 传统的信息散度算法 断场景3维几何信息的方法【1-53．Pentland率先提出 文献[9]中将场景重建分为形状重建和纹理重 了在频率域使用解卷积方法来恢复深度∞-．文 建两部分，利用最小化信息散度算法迭代估计深度 献[7]中扩展了这项工作，消除了其中一幅图像需 和纹理，从而恢复场景的3维几何信息． 要用小孑L成像的约束．文献[8]中利用线性扩散理 首先，将模拟图像t，(由K(K≥2)幅散焦图像组 论构造了散焦空间，并通过确定散焦空间中的两幅 成)和理想图像，之间的信息散度中表示为 散焦图像的关系重构场景深度．但这些方法要么需 要重构聚焦图像，要么简化了成像模型，都有一定的 多(．，l，：)=毫，[J(y，ui)1n丢专专荨兰专一 局限性．文献[9]中引人了信息散度理论，通过迭代 J(y，“i)+Ip，(Y，比；)]dy (1) 估计深度和纹理获得了良好的实验结果．但这种方 式中：P和s分别为场景的辐射率(半径)和深度函 法是基于等焦面假设的，即假设场景平行于聚焦面， 数；当．，和，不相等时，函数多为正值，图像．，和图 使得算法在深度不连续的物体边界处所获得的结果 像，越相似，则信息散度西的值越小．现在的目标 有误．另外，同一些先前的DFD算法一样，信息散度 是寻找与s和P最接近的；和声， min 算法忽略了在不同相机参数下图像大小的变化． (；，五)=argE(s，P) (2) 为此，文中提出了一种改进的信息散度算法．首 式中E(·)为能量函数，满足 先，计算两幅散焦图像间的单应矩阵，并以此为依据 l，：)+允0乳旷 (3)