论文部分内容阅读
图像的重对焦技术的目标一般是在一张没有焦点的图像中,选择一定区域进行局部对焦,对其余部分进行模糊的柔焦处理,使该区域作为前景从背景中突出出来,整张图像更具有美学感受。随着近年来智能手机、袖珍相机等移动设备的普及与流行,图像重对焦技术由于它能够强调图像的重点从而对图像进行美化,逐渐成为一种基础的图像编辑和处理方法,有着较为广泛的应用。比如,智能手机中的美化照相功能、美图软件对于照片的后期处理等。作为计算机视觉领域的重要课题,许多工作已经对图像重对焦技术进行了探索和研究。然而,现有的图像重对焦的方法大都需要多张图像或者立体视频以获得更多的重对焦信息,而单目图像的重对焦技术作为一项更具挑战性的工作,往往受限于较高的计算复杂性,或者依赖于高昂的硬件设备如光场相机等,或者在对焦过程中需要人工干预,因此难以应用到移动设备中。本文针对这些局限性,提出了一个创新的基于深度信息自动对单目图像进行重对焦的技术。该技术只需要用户在初始时指定一张单目图像,然后对图像进行深度信息估计,再基于深度信息,对图像中的显著性物体进行重对焦。整个过程不依赖于额外设备,也不再需要用户参与。由于算法的自动性与较低的计算复杂度,该技术可以应用到移动设备中。本文主要工作包括:1.改进了一种基于生成式对抗网络的深度学习方法,从而从单目图像中获取较为准确的深度信息。已有的非深度学习的单目图像深度估计方法往往由于单张图像提供的信息不足,容易产生不精确的结果。本文对生成式对抗网络进行研究与探索,在条件生成式对抗网络的基础上对目标函数、生成模型和判别模型加以改进,弥补已有方法的局限性。实验证实该方法能够有效快速地从单目图像中获取深度信息,对后续的重对焦工作有显著提升。2.提出了一种新的单目图像自动重对焦方法。该方法利用现有的显著性检测技术,快速定位到图像中的兴趣区域。然后基于之前计算出的深度信息,将原始图像分割成若干层,根据每一层所处的深度位置自适应地为其施加不同程度的模糊。最后,模糊后的图像层经过边缘处理后重新组合成为最终的输出图像,其中显著性物体清晰地从背景中凸显出来。实验证实该方法在自动重对焦的效果与计算复杂度上都有良好的表现。基于以上研究成果,本文实现了一个基于深度信息对单目图像进行自动重对焦的原型系统。该系统可以满足本文的研究要求,证实方法的有效性,能够应用到实际的重对焦场景中去。