留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

单目图像内静态物体深度的自动测量方法

何立新 孔斌 杨静

何立新, 孔斌, 杨静. 单目图像内静态物体深度的自动测量方法[J]. 武汉大学学报 ● 信息科学版, 2016, 41(5): 635-641. doi: 10.13203/j.whugis20140656
引用本文: 何立新, 孔斌, 杨静. 单目图像内静态物体深度的自动测量方法[J]. 武汉大学学报 ● 信息科学版, 2016, 41(5): 635-641. doi: 10.13203/j.whugis20140656
HE Lixin, KONG Bin, YANG Jing. An Automatic Method of the Depth Measurement of Static Objects in a Monocular Image[J]. Geomatics and Information Science of Wuhan University, 2016, 41(5): 635-641. doi: 10.13203/j.whugis20140656
Citation: HE Lixin, KONG Bin, YANG Jing. An Automatic Method of the Depth Measurement of Static Objects in a Monocular Image[J]. Geomatics and Information Science of Wuhan University, 2016, 41(5): 635-641. doi: 10.13203/j.whugis20140656

单目图像内静态物体深度的自动测量方法

doi: 10.13203/j.whugis20140656
基金项目: 国家自然科学基金(91120307,61005010);安徽省教育厅自然科学基金(KJ2013B230,KJ2013A226,KJ2015A162);安徽省高等学校质量工程项目(2015ckjh047,2015ckjh048,2015ckjh058,2015ckjh061,2015zy054);合肥学院重点建设学科基金(2014xk08);合肥学院学科带头人培养对象基金(2014dtr08)。
详细信息
    作者简介:

    何立新,博士生,讲师,主要从事计算机视觉研究。hlxiniim@mail.ustc.edu.cn

  • 中图分类号: P237.4;TP391.4

An Automatic Method of the Depth Measurement of Static Objects in a Monocular Image

Funds: The National Natural Science Foundation of China, Nos. 91120307, 61005010; the Natural Science Foundation of Department of Education of AnHuiProvince, Nos. KJ2013B230, KJ2013A226, KJ2015A162; the Quality Engineering of Higher Education of AnHuiProvince, Nos. 2015ckjh047, 2015ckjh048, 2015ckjh058, 2015ckjh061, 2015zy054; Key Constructive Discipline of Hefei University, No.2014xk08; Training Object for Academic Leader of Hefei University, No.2014dtr08.
  • 摘要: 提出了一种从普通单目相机拍摄的两幅图像中自动获取其中物体深度的方法。该方法首先保持相机的参数不变,相机沿光轴方向移动,在物距为uu+d处各拍摄一张图像,然后采用局部二值拟合能量(local binary fitting energy, LBF)模型的方法分割出图像中的物体,再将物体像的熵的相对变化率和加权Hu氏不变矩结合起来实现图像内物体的自动匹配,最后运用本文推导的公式计算出各个物体深度。实验结果表明了该方法的有效性。
  • [1] Liu Qiong, Yang You, Gao Yue, et al. A Bayesian Framework for Dense Depth Estimation Based on Spatial-Temporal Correlation[J]. Neurocomputing, 2013,104(3):1-9
    [2] Sellent A, Favaro P. Optimized Aperture Shapes for Depth Estimation[J]. Pattern Recognition Letters, 2014,40(4):96-103
    [3] Sun Zhanli, Lam K M, Gao Qingwei. Depth Estimation of Face Images Using the Nonlinear Least-Squares Model[J]. IEEE Transaction on Image Processing, 2013,22(1):17-30
    [4] Pentland A P. A New Sense for Depth of Field[J]. IEEE Transaction on Pattern Analysis and Machine Intelligence, 1987, 9(4):523-531
    [5] Zhou Shaojie, Sim T. Defocus Map Estimation from a Single Image[J]. Pattern Recognition, 2011, 44(9):1852-1858
    [6] Tang Huiming, Hu Zheng, Zhi Chenjiao. Measure Method of Depth, Depth of Field and Object Size Based on Monocular Camera:CN201110007172.8[P]. 2012-11-21(唐慧明,胡铮,支晨蛟.基于单目摄像机的深度、深度场及物体大小的测量方法:CN201110007172.8[P]. 2012-11-21)
    [7] Li C M,Kao C,Gore J,et al. Implicit Active Contours Driven by Local Binary Fitting Energy[C]. IEEE Conference on Computer Vision and Pattern Recognition, Minnesota,USA,2007
    [8] Li C M,Kao C,Gore J,et al. Minimization of Region-Scalable Fitting Energy for Image Segmentation[J]. IEEE Transactions on Image Processing,2008,17(10):1940-1949
    [9] Li Aixia,Guan Zequn,Feng Tiantian. A Novel Method on Manifold for Multi-image Matching[J]. Geomatics and Information Science of Wuhan University, 2012, 37(11):1303-1306(李爱霞,关泽群,冯甜甜.一种利用流形学习进行多影像匹配的方法[J]. 武汉大学学报·信息科学版, 2012, 37(11):1303-1306)
    [10] He Peipei,Wan Youchuan, Gao Xianjun,et al. Street View Images Matching Algorithm Based on Color Scale-Invariant Feature Transform[J]. Geomatics and Information Science of Wuhan University, 2014, 39(7):867-872(何培培, 万幼川,高贤君,等.基于彩色信息尺度不变特征的街景影像匹配[J].武汉大学学报·信息科学版, 2014,39(7):867-872)
    [11] Du Bo, Zhang Liangpei, Li Pingxiang,et al. A Constrained Energy Minimization Method in Subpixel Target Detection Based on Minimization Noise Fraction[J]. Joural of Image and Graphic, 2009,14(9):1850-1857(杜博, 张良培, 李平湘, 等.基于最小噪声分离的约束能量最小化亚像元目标探测方法[J]. 中国图象图形学报, 2009,14(9):1850-1857)
    [12] Du Bo, Zhang Lefei, Li Lingxiang,et al. Discrimination Manifold Learning Approach for Hyperspectral Image Dimension Reduction[J]. Acta Photonica Sinica, 2013, 42(3):320-325(杜博, 张乐飞, 张良培, 等. 高光谱图像降维的判别流形学习方法[J]. 光子学报, 2013, 42(3):320-325)
    [13] Shi Q, Zhang L, Du B. Semisupervised Discriminative Locally Enhanced Alignment for Hyperspectral Image Classification[J]. IEEE Transactions on Geoscience and Remote Sensing, 2013, 51(9):4800-4815
    [14] Gonzalez R C, Woods R E. Digital Image Processing(Third Edition)[M]. Beijing:Publishing House of Electronics Industry, 2011
    [15] Hu M K. Visual Pattern Recognition by Moment Invariants[J]. IRE Transactions on Information Theory, 1962, 8(2):179-182
    [16] Wang Yaoming. Moment Function on Images:Principles, Algorithms and Applications[M]. Shanghai:East China University of Science and Technology Press, 2002(王耀明.图像的矩函数:原理、算法及应用[M].上海:华东理工大学出版社,2002)
  • [1] 郑肇葆, 潘励, 郑宏.  应用模糊逻辑图像分割方法的分析与研究 . 武汉大学学报 ● 信息科学版, 2014, 39(4): 397-400. doi: 10.13203/j.whugis20120209
    [2] 王夏, 贺立源.  烤烟烟叶反射和透射图像的同步图像分割 . 武汉大学学报 ● 信息科学版, 2014, 39(8): 998-1002. doi: 10.13203/j.whugis20130272
    [3] 许凯, 秦昆, 刘修国, 李登朝.  高斯混合模型云变换算法及其在图像分割中的应用 . 武汉大学学报 ● 信息科学版, 2013, 38(10): 1163-1166.
    [4] 罗志宏, 冯国灿, 成秋生.  融合变分模型与快速算法分割噪声图像 . 武汉大学学报 ● 信息科学版, 2013, 38(6): 637-641.
    [5] 郑肇葆, 郑宏.  化学反应优化(CRO)图像分割的研究与分析 . 武汉大学学报 ● 信息科学版, 2012, 37(10): 1224-1228.
    [6] 周家香, 朱建军, 梅小明, 马慧云.  多维特征自适应MeanShift遥感图像分割方法 . 武汉大学学报 ● 信息科学版, 2012, 37(4): 419-422.
    [7] 郑肇葆, 郑宏.  利用PLSA技术进行图像分割 . 武汉大学学报 ● 信息科学版, 2012, 37(2): 132-135.
    [8] 郑肇葆.  生物地理学优化(BBO)在图像分割中的应用 . 武汉大学学报 ● 信息科学版, 2011, 36(8): 932-935.
    [9] 吴一全, 张晓杰, 吴诗婳, 纪守新.  利用高速收敛PSO或分解进行二维灰度熵图像分割 . 武汉大学学报 ● 信息科学版, 2011, 36(9): 1059-1063.
    [10] 郑肇葆.  基于吸引子的图像分割新方法的研究 . 武汉大学学报 ● 信息科学版, 2010, 35(10): 1192-1196.
    [11] 魏小莉, 沈未名.  一种基于马尔科夫随机场模型的彩色纹理图像分割 . 武汉大学学报 ● 信息科学版, 2010, 35(8): 955-958.
    [12] 王海军, 张文婷, 贺三维, 邓羽.  利用元胞自动机和模糊C均值进行图像分割 . 武汉大学学报 ● 信息科学版, 2010, 35(11): 1288-1291.
    [13] 郑肇葆.  仿真学中觅食原理在图像分割中应用的研究 . 武汉大学学报 ● 信息科学版, 2009, 34(8): 883-888.
    [14] 杨露菁, 王德石, 李煜.  利用非线性各向异性扩散和EM的SAR图像分割技术 . 武汉大学学报 ● 信息科学版, 2009, 34(7): 805-808.
    [15] 代登信, 杨文, 邹同元, 孙洪.  一种快速有效的MSTAR SAR目标图像分割算法 . 武汉大学学报 ● 信息科学版, 2009, 34(9): 1059-1062.
    [16] 郑肇葆.  Cognitive Agent在图像分割中应用的研究 . 武汉大学学报 ● 信息科学版, 2008, 33(7): 665-668.
    [17] 汤凌, 郑肇葆, 虞欣.  一种基于人工免疫的图像分割算法 . 武汉大学学报 ● 信息科学版, 2007, 32(1): 67-70.
    [18] 余鹏, 封举富, 童行伟.  一种新的基于高斯混合模型的纹理图像分割方法 . 武汉大学学报 ● 信息科学版, 2005, 30(6): 514-517.
    [19] 江柳, 沈未名, 种衍文, 段汉文.  基于多尺度空间分析的图像阈值分割方法 . 武汉大学学报 ● 信息科学版, 2002, 27(6): 582-585.
    [20] 郑建生, 罗军, 黄建忠, 胡志雄.  石油测井光电编码器深度测量系统 . 武汉大学学报 ● 信息科学版, 1998, 23(1): 67-69.
  • 加载中
计量
  • 文章访问数:  959
  • HTML全文浏览量:  31
  • PDF下载量:  391
  • 被引次数: 0
出版历程
  • 收稿日期:  2015-05-06
  • 刊出日期:  2016-05-05

单目图像内静态物体深度的自动测量方法

doi: 10.13203/j.whugis20140656
    基金项目:  国家自然科学基金(91120307,61005010);安徽省教育厅自然科学基金(KJ2013B230,KJ2013A226,KJ2015A162);安徽省高等学校质量工程项目(2015ckjh047,2015ckjh048,2015ckjh058,2015ckjh061,2015zy054);合肥学院重点建设学科基金(2014xk08);合肥学院学科带头人培养对象基金(2014dtr08)。
    作者简介:

    何立新,博士生,讲师,主要从事计算机视觉研究。hlxiniim@mail.ustc.edu.cn

  • 中图分类号: P237.4;TP391.4

摘要: 提出了一种从普通单目相机拍摄的两幅图像中自动获取其中物体深度的方法。该方法首先保持相机的参数不变,相机沿光轴方向移动,在物距为uu+d处各拍摄一张图像,然后采用局部二值拟合能量(local binary fitting energy, LBF)模型的方法分割出图像中的物体,再将物体像的熵的相对变化率和加权Hu氏不变矩结合起来实现图像内物体的自动匹配,最后运用本文推导的公式计算出各个物体深度。实验结果表明了该方法的有效性。

English Abstract

何立新, 孔斌, 杨静. 单目图像内静态物体深度的自动测量方法[J]. 武汉大学学报 ● 信息科学版, 2016, 41(5): 635-641. doi: 10.13203/j.whugis20140656
引用本文: 何立新, 孔斌, 杨静. 单目图像内静态物体深度的自动测量方法[J]. 武汉大学学报 ● 信息科学版, 2016, 41(5): 635-641. doi: 10.13203/j.whugis20140656
HE Lixin, KONG Bin, YANG Jing. An Automatic Method of the Depth Measurement of Static Objects in a Monocular Image[J]. Geomatics and Information Science of Wuhan University, 2016, 41(5): 635-641. doi: 10.13203/j.whugis20140656
Citation: HE Lixin, KONG Bin, YANG Jing. An Automatic Method of the Depth Measurement of Static Objects in a Monocular Image[J]. Geomatics and Information Science of Wuhan University, 2016, 41(5): 635-641. doi: 10.13203/j.whugis20140656
参考文献 (16)

目录

    /

    返回文章
    返回