基于一维集成成像的视点图生成及填补方法的研究
发布时间：2021-06-27 17:17
相比于传统集成成像,一维集成成像系统舍弃了垂直方向上的立体感,只保留了水平方向上的立体感。在满足立体观感的同时,它大大减少了数据的存储空间,缓解了集成成像带来的分辨率的大幅衰减。但目前并没有适用于一维集成成像系统的3D片源,故这种方式的适用范围和应用领域受到极大限制。并且,在生成立体片源时,也时常需要对前背景物体进行识别与分离,对匹配点进行筛选。本文提出了一种基于一维集成成像系统的阵列图生成及填补算法,该算法充分吸收了DIBR的思想,利用光流法以及Criminisi图像修复算法对阵列图进行填补;其次,本文还使用直方图均衡化、边缘检测以及区域生长法将前景物体与橙色背景分离开来;最后,本文利用共现矩阵与差平方和（SSD）算法对视频中的前景物体进行框选,以达到筛除多余匹配点的目的。本文研究内容主要包括:提出了一种基于一维集成成像的阵列图生成及填补算法。对光流法与Criminisi图像修复算法的原理进行了详细介绍与横向对比,并且利用以上两种算法对带有孔洞的阵列图进行填补,生成了任意视点数的一维集成成像视点图,解决了一维集成成像缺少3D片源的问题。提出了一种前背景分割的方法。利用直方图均衡化、边...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：53 页
【学位级别】：硕士
【部分图文】：
昆虫的复眼结构
吉林大学硕士学位论文7（a）飞行昆虫的复眼（b）放大的复眼结构图2.1昆虫的复眼结构如图2.2所示，理想的组合成像系统主要包罗两个部分：采集和显示。电荷耦合器件（CCD）或互补金属氧化物半导体（CMOS）等放置在透镜阵列的焦平面中。当处于介质中时，记录介质中的相应位置保存拍摄对象的图像信息。在记载介质中拍摄的图像称为立体元件图像集合，并且每个透镜元件内的图像称为立体元图像。有时有必要使用物理或光学技术在相邻的透镜元件之间放置绝缘砖，以避免与相邻的三维元件图像相交。在屏幕操作期间（如图2.2（b）所示），立体图像投影仪以投影仪，液晶显示器（LCD）或等离子显示屏面板（等离子显示屏，PDP等）的阵列投影。根据旋转原理，透镜阵列光学照射接收的光并将其转换为空间的三维视图。屏幕处理中所利用的透镜阵列可以是在采集中使用过的物镜阵列，也可以是扩展透镜阵列。（a）采集过程（b）显示过程图2.2理想的组合成像系统2.2立体元图像生成技术用于创建一组立体声元素的技术包括计算机模拟的获取，真实场景的获取以及将真实场景摄影与计算机调整相结合的获取方法。（1）获取计算机模拟的方式图2.3是如何获得计算机仿真的示意图，图2.4是创建的立体元素的一组图像，并且获得计算机仿真的方法主要利用基于PC系统的3D卡通制作和制作流程，例如3DStudioMax，AutodeskMaya等。对此，用于立体阵列图像定义。该方法可以获取虚拟物体的立体图像集，该虚拟物体现实中不存在，不需要真实的场景采集设备，
第2章一维集成成像8可以根据显示标准调整立体图像分辨率，成本低，更好的抵抗外部干扰。对于即用型摄影主题，计算机很难准确地计算摄影对象的空间结构。同时，3D动画制作十分耗费CPU资源，通常情况下，利用这种方法我们需要十分钟的时间来生成一组立体图像。因此，现实世界中的获取方法始终是获取立体声立体矩阵的首选方法。（a）顶视图（b）左视图（c）前视图（d）透视图图2.3计算机模拟采集法示意图图2.4生成的立体元图像阵列图（2）获取真实场景的方式获取一组镜头的方法（如图2.5所示）是获取现实世界中图像组的最简单直接的方法。在实际应用中，该方法存在很多缺点，如采集度低，视角窄，场深较小等。图2.5透镜阵列采集平台（3）结合现实拍摄和计算机综合的采集方法由于获得计算机模拟的方法无法获得一组真实场景的三维图像，并且获得真实场景的方法受到采集设备的各种限制，因此一些科学家已开始研究拍摄真实场景和获得计算机合成方法的混合。D.-H.Shin和G.Li等人使用一种方法通过计算机虚拟合成
【参考文献】：
期刊论文
[1]基于MATLAB的车牌识别系统设计[J]. 缪鑫芯,沈雪琴,董梦影,蒋振华. 科技视界. 2019(32)
[2]一种四旋翼无人机定位的改进LK光流算法[J]. 李振宇,谢云,王松乐,肖洪波. 机床与液压. 2018(21)
[3]基于狭缝光栅的一维集成成像双视3D显示[J]. 吴非,于军胜. 电子科技大学学报. 2018(02)
[4]遥感图像云雾区域检测方法研究[J]. 张健,曾辉,张涛. 信息与电脑(理论版). 2017(22)
[5]复杂腔体零件机器视觉图像亚像素边缘检测[J]. 张磊,孙首群. 软件导刊. 2017(01)
[6]最新的超像素算法研究综述[J]. 刘斌,渠星星,陈相庭. 现代计算机(专业版). 2016(35)
[7]数字图像处理技术在三维重建中的应用研究[J]. 马逸丹. 数字技术与应用. 2016(10)
[8]基于平面图像的集成成像方法研究[J]. 汪文琪. 武汉纺织大学学报. 2016(03)
[9]基于数学形态学的条码边缘检测法[J]. 钟若丹. 产业与科技论坛. 2014(21)
[10]基于Matlab程序的图像灰度均衡化及其边缘检测[J]. 马林涛,陈德勇. 广西师范学院学报(自然科学版). 2012(02)
博士论文
[1]高密度小间距LED集成成像显示系统关键技术研究[D]. 武伟.吉林大学 2018
[2]系统误差对集成成像质量降质特性影响机理及补偿方法研究[D]. 陈玉娇.西安电子科技大学 2015
[3]组合成像系统中立体元图像阵列的生成、编码与显示技术研究[D]. 吕源治.吉林大学 2014
硕士论文
[1]自适应直方图均衡图像增强研究及其FPGA实现[D]. 黄正暐.华侨大学 2019
[2]DIBR系统中空洞填充技术研究[D]. 邓泽坤.重庆大学 2017
[3]CCD立靶捕获因素分析与目标检测技术研究[D]. 孙江龙.西安工业大学 2016
[4]低照度图像增强与去噪研究[D]. 涂清华.华侨大学 2016
[5]基于光流法的3D视频稳定虚拟视点生成研究[D]. 钟巧.北京邮电大学 2016
[6]基于在线自适应字典学习的视频异常事件检测技术研究[D]. 彭芊.哈尔滨工业大学 2015
[7]数字图像修复技术的研究[D]. 李俊柏.浙江理工大学 2015
[8]基于学习和全变分正则化的超分辨率图像复原问题的研究[D]. 李丽荣.天津大学 2014
[9]基于VC++的图像修复系统设计[D]. 陈辉.武汉理工大学 2013
[10]基于SoPC平台的车道线检测辅助驾驶系统的研究与实现[D]. 王安.北京交通大学 2012
本文编号：3253267
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：53 页
【学位级别】：硕士
【部分图文】：
昆虫的复眼结构
吉林大学硕士学位论文7（a）飞行昆虫的复眼（b）放大的复眼结构图2.1昆虫的复眼结构如图2.2所示，理想的组合成像系统主要包罗两个部分：采集和显示。电荷耦合器件（CCD）或互补金属氧化物半导体（CMOS）等放置在透镜阵列的焦平面中。当处于介质中时，记录介质中的相应位置保存拍摄对象的图像信息。在记载介质中拍摄的图像称为立体元件图像集合，并且每个透镜元件内的图像称为立体元图像。有时有必要使用物理或光学技术在相邻的透镜元件之间放置绝缘砖，以避免与相邻的三维元件图像相交。在屏幕操作期间（如图2.2（b）所示），立体图像投影仪以投影仪，液晶显示器（LCD）或等离子显示屏面板（等离子显示屏，PDP等）的阵列投影。根据旋转原理，透镜阵列光学照射接收的光并将其转换为空间的三维视图。屏幕处理中所利用的透镜阵列可以是在采集中使用过的物镜阵列，也可以是扩展透镜阵列。（a）采集过程（b）显示过程图2.2理想的组合成像系统2.2立体元图像生成技术用于创建一组立体声元素的技术包括计算机模拟的获取，真实场景的获取以及将真实场景摄影与计算机调整相结合的获取方法。（1）获取计算机模拟的方式图2.3是如何获得计算机仿真的示意图，图2.4是创建的立体元素的一组图像，并且获得计算机仿真的方法主要利用基于PC系统的3D卡通制作和制作流程，例如3DStudioMax，AutodeskMaya等。对此，用于立体阵列图像定义。该方法可以获取虚拟物体的立体图像集，该虚拟物体现实中不存在，不需要真实的场景采集设备，
第2章一维集成成像8可以根据显示标准调整立体图像分辨率，成本低，更好的抵抗外部干扰。对于即用型摄影主题，计算机很难准确地计算摄影对象的空间结构。同时，3D动画制作十分耗费CPU资源，通常情况下，利用这种方法我们需要十分钟的时间来生成一组立体图像。因此，现实世界中的获取方法始终是获取立体声立体矩阵的首选方法。（a）顶视图（b）左视图（c）前视图（d）透视图图2.3计算机模拟采集法示意图图2.4生成的立体元图像阵列图（2）获取真实场景的方式获取一组镜头的方法（如图2.5所示）是获取现实世界中图像组的最简单直接的方法。在实际应用中，该方法存在很多缺点，如采集度低，视角窄，场深较小等。图2.5透镜阵列采集平台（3）结合现实拍摄和计算机综合的采集方法由于获得计算机模拟的方法无法获得一组真实场景的三维图像，并且获得真实场景的方法受到采集设备的各种限制，因此一些科学家已开始研究拍摄真实场景和获得计算机合成方法的混合。D.-H.Shin和G.Li等人使用一种方法通过计算机虚拟合成
【参考文献】：
期刊论文
[1]基于MATLAB的车牌识别系统设计[J]. 缪鑫芯,沈雪琴,董梦影,蒋振华. 科技视界. 2019(32)
[2]一种四旋翼无人机定位的改进LK光流算法[J]. 李振宇,谢云,王松乐,肖洪波. 机床与液压. 2018(21)
[3]基于狭缝光栅的一维集成成像双视3D显示[J]. 吴非,于军胜. 电子科技大学学报. 2018(02)
[4]遥感图像云雾区域检测方法研究[J]. 张健,曾辉,张涛. 信息与电脑(理论版). 2017(22)
[5]复杂腔体零件机器视觉图像亚像素边缘检测[J]. 张磊,孙首群. 软件导刊. 2017(01)
[6]最新的超像素算法研究综述[J]. 刘斌,渠星星,陈相庭. 现代计算机(专业版). 2016(35)
[7]数字图像处理技术在三维重建中的应用研究[J]. 马逸丹. 数字技术与应用. 2016(10)
[8]基于平面图像的集成成像方法研究[J]. 汪文琪. 武汉纺织大学学报. 2016(03)
[9]基于数学形态学的条码边缘检测法[J]. 钟若丹. 产业与科技论坛. 2014(21)
[10]基于Matlab程序的图像灰度均衡化及其边缘检测[J]. 马林涛,陈德勇. 广西师范学院学报(自然科学版). 2012(02)
博士论文
[1]高密度小间距LED集成成像显示系统关键技术研究[D]. 武伟.吉林大学 2018
[2]系统误差对集成成像质量降质特性影响机理及补偿方法研究[D]. 陈玉娇.西安电子科技大学 2015
[3]组合成像系统中立体元图像阵列的生成、编码与显示技术研究[D]. 吕源治.吉林大学 2014
硕士论文
[1]自适应直方图均衡图像增强研究及其FPGA实现[D]. 黄正暐.华侨大学 2019
[2]DIBR系统中空洞填充技术研究[D]. 邓泽坤.重庆大学 2017
[3]CCD立靶捕获因素分析与目标检测技术研究[D]. 孙江龙.西安工业大学 2016
[4]低照度图像增强与去噪研究[D]. 涂清华.华侨大学 2016
[5]基于光流法的3D视频稳定虚拟视点生成研究[D]. 钟巧.北京邮电大学 2016
[6]基于在线自适应字典学习的视频异常事件检测技术研究[D]. 彭芊.哈尔滨工业大学 2015
[7]数字图像修复技术的研究[D]. 李俊柏.浙江理工大学 2015
[8]基于学习和全变分正则化的超分辨率图像复原问题的研究[D]. 李丽荣.天津大学 2014
[9]基于VC++的图像修复系统设计[D]. 陈辉.武汉理工大学 2013
[10]基于SoPC平台的车道线检测辅助驾驶系统的研究与实现[D]. 王安.北京交通大学 2012
本文编号：3253267
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3253267.html
最近更新
教材专著
