本文来自OSA Publishing,演讲者是郑州大学的Xiaomin Liu,题目是”基于压缩结构光场图像进行多信息融合深度估计“。
讲者首先介绍了一下光场及其应用。光场记录了空间中光线的集合,包含光线在空间中的位置和角度信息。最早人们使用7维全光函数描述空间中的光场,而在一定的约束下。四参数光场被提出,这也是讲者所使用的光场表示形式。随后,作者从3D显示和3D测量、3D成像、3D建模等方面介绍了光场的应用。
接着,讲者介绍了被动式深度估计(区别于深度传感器的主动式深度估计)的发展历史、以及光谱成像技术、光谱光场获取等技术的发展现状以及应用。并且介绍了他们的深度估计系统框架,如下图所示:
该流程分为5个部分,分别是采集系统光谱光场数据收集、多视角多光谱真色图像生成、数字重对焦,以及深度估计结果。采集过程中,他们采用了5x5视差采集,如图所示:
其次,作者介绍了图像处理部分的算法设计。首先,在预处理部分,他们需要基于不同波长获取图像来获取真实图像的灰度值;而在已知深度信息的后处理算法设计部分,他们将33个波段采集的频谱图进行处理图像色彩生成和矫正,以获得纹理图像。
而在核心的深度估计部分,讲者采用了如下的估计流程:
其中,作者采用了三个核心算法。首先是利用带边界的角度熵算法,利用深度图在时间上的连续性,计算遮挡关系;其次是利用受限的适应性散焦算法,以进行深度估计和噪声去除;最后,他们还通过深度信息正则化,利用边缘信息生成深度图对应的置信度图。最后,他们采用MRF融合算法以及全局深度优化算法,生成最终的深度图。其最终的主观效果如下: