论文部分内容阅读
随着人们生活水平的改善和3D电视、电影的出现,人们对图像及视频的清晰度要求越来越高,对三维视频也越来越追捧,因此二维视频向三维视频的转换成为了人们普遍关注的焦点。目前二维视频向三维视频转换的关键技术有两个:一是2D视频图像深度信息的恢复,二是把恢复的深度图转换为能立体显示的三维视频。本文的主要研究内容是恢复二维视频图像序列的深度信息。本文介绍了三维视频的研究背景以及二维视频向三维视频转换的关键技术和研究现状。文中通过对几种常用的提取深度信息的深度线索的介绍和比较,得知某一深度线索只对某一特定场景适用,并不存在普遍通用的深度提取算法,且这些算法提取出的深度图也都不太理想。根据目前深度图恢复的现状,以及现存的大多数视频序列常常包含有相对静止的背景和多个运动前景的特点,本文提出了对运动前景与静止背景进行分别恢复深度信息之后再融合为一体的方法。该方法步骤如下:第一,对这类视频中的运动前景和静止背景进行分离,即运用混合高斯模型算法提取出静态背景,然后采用自适应阈值的背景差分法和最大连通区域提取算法找出运动前景的大致区域,再结合空域分割中改进的自适应Mean Shift图像分割算法和投影算法分割出具有精确边缘的运动前景图像。实验结果显示本文提出的算法能很好的对背景和前景进行分离。第二,根据运动信息这一深度线索能恢复深度信息这一特性,并通过对普遍存在的几种块匹配运动估计算法的比较,提出利用计算量较小、匹配精确度又高的自适应菱形算法提取运动前景的深度图。由于只利用运动信息提取的深度图有很多毛刺并存在块效应,为了克服该缺陷本文又提出利用图像分割的方法对深度图进行平滑操作。由于平滑后的深度图不太符合人眼视觉特性,本文又采用线性透视深度图对平滑后的深度图进行了优化处理。第三,本文提出对背景图像包含的亮度信息和基线信息进行融合得到最终背景深度图,实验结果显示该背景深度图更精确、可视性更强。最后,由于运动前景和静止背景是分离的,本文又提出对前景深度图和背景深度图进行融合得到最终的深度图。实验结果表明本文提出的提取深度图的方法可行性很强,并且能得到令人满意的深度图。