基于神经网络预测红图像景物深度分析开题报告.docVIP

红外图像景物深度估计 摘要：从目前的红外图像技术来看，在实际应用过程中，单目图像居多，而本文即采用单目深度估计作为红外图像中深度估计方法。红外图像映射出的图像没有色彩和阴影，其实质是灰度图像，与可见光图像不同，它反映的是物体的温度分布，对人眼而言，分辨率低，视觉效果模糊，也就是说，红外图像缺乏空间立体感。人作为三维世界里的存在，图像的空间立体感对我们的场景理解有十分重要的作用，在这个前提下我们才能辨别图像中景物的空间关系，了解景物的深度信息。因此，如我我们要再红外图像中创造出空间立体感的显示效果，首先应能够做到通过红外图像估计图像中景物的深度信息，从而做到，从景物的二维图像中恢复出三维信息。而这，也是计算机立体视觉中的一个重要问题。本文中，我们研究了红外图像技术的发展历史，并且探讨了这项技术在国内外的现状，通过对基于线性模型的深度估计方法、基于MRF的深度估计方法以及基于神经网络的深度估计方法，对比各自的研究路线和优缺点，寻找最合适的用于红外图像景物深度估计的方式。 关键词：1 研究背景 弗里德里希·威廉·赫歇尔（Friedrich Wilhelm Herschel，1738年11月15日—1822年8月25日）[1]。红外技术主要研究红外线辐射的发射、传输、接收规律以及其应用原理。采用红外技术进行图像显示，就是红外图像技术。在红外图像中，由于景物温度不同，红外辐射发射率不同，它们的辐射亮度也就不同，在大背景辐射下，景物各个部分的辐射存在变化也会带来灰度波动。也就是说，红外图像表征了景物红外辐射分布差值，也就是反映了它们的温度差。 由于红外图像图书的成像机制，它的成像效果不够理想，立体空间感的缺失是红外图像的一大缺陷。目前，计算机视觉的一个分支计算机立体视觉，主要研究的就是如何借助成像技术从二维图像中获取场景中景物的深度信息[2]。场景中物体三维信息往往由距离图像表征，也称为深度图像，表现了出题在场景中到拍摄镜头的距离信息，它准确记录了场景表面或者物体的立体信息，是三维重建的重要基础。深度图像本身并没有提供三维重构，在图像理解层次上，它处于二维与三维表达的中间位置，在视图中任何物体的另一侧的信息并没有被深度图像表达出来，但是原始图像的信息品质可能被隐含地改进了。 从本质上来讲，图像的深度估计是一个深度感知的问题，即通过图像中的不同点的不同信息分析出不同点相对应的深度距离信息。深度图像一般以灰度图的形式呈现，其灰度值代表真实场景中的点距离摄像机的远近，灰度值越大表示离摄像机越近[3]。深度图与普通灰度图像存在一定区别，由于深度图像没有一般图像中存在的阴影，而且它不受光源照射方向和物体表面反射特性的影响，所以通过深度图我们可以直接得到三维信息。相对于普通灰度图像，它们场景中的点的元素值就是该点的灰度值或者亮度值，没有深度图像如此丰富的三维信息。所以通过深度图来计算有关物体的状态，往往能得出更可靠更优异的几何信息，从而简化了从二维到三维的物体的空间位置定位与识别的问题。 在对人眼成像的探究认知过程中，我们了解到，人眼中感受立体视觉的视网膜存在于眼球壁的内层，是一层透明的薄膜，呈曲面，从成像的角度上看，仅仅是一个二维空间的一个平面，单人类却能通过它从一个二维空间中感知得到一个三维的视觉空间并且反映到大脑中形成空间立体感，也就是说我们在这个过程中大脑通过分析二维图像获得了现场的深度距离信息[4]。从本质上来讲，这是一个深度感知的问题，即通过图像中的不同点的不同信息分析出不同点相对应的深度距离信息，也就是说，通过感知物体的空间深度结合二维信息对物体的空间位置进行定位。这个过程需要通过一部分外部客观条件和自身机体内部条件来帮助定位物体的空间位置。这些条件包括非视觉性深度线索、双目深度线索和单目深度线索。其中，非视觉深度线索大概有眼睛聚焦调节和双眼视轴的辐合两种。双目深度线索的提供则主要是来自于双眼视差所产生的立体知觉和深度知觉。与双目深度线索的原理不同，单目深度线索值仅凭借一只眼睛的视觉就可以提供的线索。单目深度线索主要是静态线索，即环境和所观察对象的物理学特性或者其他现象，其中主要包括物体的大小和距离、照明变化、纹理梯度、对比度变化、物体的遮挡、运动视差以及空气透视引起的色彩变化等等。现如今对图像的深度估计大多是基于双目线索，但红外图像有别于可见光谱图像的成像原理，所以双目深度线索相对于单目深度线索来说，在红外图像的深度研究总可能不太适用，而基于单目线索来估计红外图像的深度信息显得更具有一定的优势。 依靠单目深度线索，仅需要单目提供的图像信息就可以产生立体视觉。例如，在绘画中利用静止的单目线索能够在二维的平面上尝试三维的立体效果，而这些都是因为单目深度线索的存在，而单目深度线索又称为图形线索[5]。 透视学告诉我们，人对事物的观察和重