安澤宇

（西南大學電子信息工程學院 重慶 400700）

1 引言

計算機視覺要求技術體系運行時，通過景物二維圖像中得到三維立體結構和景物基本屬性，在此過程中得到一副或多幅圖像信息，此過程就是深度估計。在實現(xiàn)深度估計過程中，為了使估計結果精準性得到提高，一般都是利用被動視覺和主動視覺兩種，其是以成像光源差異區(qū)分。主動視覺為被測量物體發(fā)出可控光束并且獲取，構成最終影響；被動視覺并不需要可控光源就能夠成像操作，所以應用比較廣泛，具有較強的操作性[1]。以此，本文就將計算機被動視覺深度估計方法作為研究對象，通過多維度出發(fā)，將現(xiàn)有技術作為條件分析計算機視覺深度估計方法。

2 計算機視覺中深度估計的原則

有序開展計算機視覺估計活動，要求技術人員明確計算機視覺深度估計，基于原則框架梳理自身工作，對計算機視覺深度估計工作的實施手段與途徑進行完善，創(chuàng)建有效計算機視覺深度估計模式。

2.1 科學性

創(chuàng)建計算機深度估計體系，要充分展現(xiàn)科學性原則，通過科學角度分析計算機視覺深度估計活動流程、要求和重點、難點，使技術人員通過現(xiàn)有技術手段，創(chuàng)建計算機視覺深度估計全新體系。

2.2 實用性

因為計算機視覺深度估計具有多樣化內(nèi)容，并且具有大量操作環(huán)節(jié)。為了滿足此情況，提高計算機視覺深度估計操作容錯率，降低外部環(huán)境對計算機視覺深度估計活動影響。使操作難度得到降低，在短時間內(nèi)開展批量操作，保證各環(huán)節(jié)計算機視覺深度估計能夠順利開展[2]。

3 計算機視覺深度估計方法

3.1 立體視覺

雙目立體視覺（DFS）指的是人類得到距離信息的主要方法，為被動式視覺方法。此方法能夠對如何使用二維投影圖像恢復三維景物進行分析，也就是通過不同位置攝像機旋轉、移動拍攝同幅場景，對兩幅圖像中空間點視差進行計算，以立體視覺得到此點三維坐標值。例題視覺指的是目標點在不同攝像機平面中成像點的位置差異，圖1為雙目立體視覺成像系統(tǒng)結構。

圖1 雙目立體視覺成像系統(tǒng)結構

x軸為左右攝像機成像平面中心連線，y軸和x軸垂直，z 軸為光軸。在圖像1 與2 平面中心設置原點，兩個相機透鏡中心點距離為B?？臻g被測目標點p 坐標為（x，y，z），點P 在兩個圖像中坐標為（x1，y1）、（x2，y2），同個目標點兩幅圖像位置不同。假設相機焦距為f，那么此目標點在兩幅圖像中立體視覺差為d，得到距離目標。圖像之間立體視差反比于相機測量深度，表示此方法在近距離的時候測量精準，遠距離測量過程中無法保證測量精度。雙目立體視覺成像系統(tǒng)主要包括深度計算、圖像匹配、特征提取、相機建模和圖像差值運算，測量過程為：

其一，通過圖像1 或者圖像2 尋找某特征點。

其二，尋找此特征點在圖像1 或者圖像2 中的匹配點，使其作為立體匹配。

其三，以上述點對匹配關系，對匹配點在攝像機坐標系中空間三維坐標進行計算。

其四，在第三步中計算匹配點三維坐標，所以其他點要利用差值法得到，實現(xiàn)三維重建。

立體匹配問題為雙目視覺測量主要難點，國內(nèi)外相關研究人員對其方面開展了大量的研究，并且提出了相應匹配算法開展實驗驗證。比如兼容性約束、外極限約束、連續(xù)性約束、唯一性約束等約束條件，使匹配搜索范圍縮小，對正確對應關系進行確定。

3.2 運動視覺

運動視覺技術指的是使用相機和被測對象的相對運動恢復三維表面信息技術，運動視覺是將因子分解作為基礎的運動估計結構（SFM），研究不同時間段變化場景的圖像，將景物的位置、運動、形狀等信息進行提取。主要步驟包括：

其一，提取不同時刻相鄰兩幅或者多幅圖像的特征，并且創(chuàng)建對應關系。

其二，以特征點的函數(shù)關系，對物體運動與結構進行計算。圖2 為運動視覺成像系統(tǒng)。

圖2 運動視覺成像系統(tǒng)

常見運動視覺估計主要包括光流法、差分技術、基于塊的運動分析技術等，本文對運動視覺估計差分技術進行分析。差分技術指的是圖像空間域中運動估計技術，包括累積差分圖像分析與差分圖像分析。

3.2.1 差分圖像分析

差分圖像分析指的是對比兩幀圖像對應像素點灰度值，對相鄰兩幀圖像變化進行檢測的方法。在此方法中，幀f（x，y，j）和幀f（x，y，k）的變化利用二值差分圖像DPjkf（x，y）進行表示：

公式中的T 指的是閾值，差分圖像中為1 的像素點為物體運動或者光照變化結果。但是差分圖像分析在使用過程中存在局限性，所以很少直接使用。

3.2.2 累積差分圖像分析

累積差分圖像分析（ADP）能夠使差分圖像分析過程中的局限性得到解決，主要思想為利用圖像序列變化的分析，對小位移或者緩慢運動物體進行檢測。此方法能夠精準檢測緩慢運動、微小運動物體，還能夠對物體移動速度方向、大小、尺寸大小進行估計。累計差分圖像包括一階、二階累積差分圖像。

一階累積差分圖像的構成為：將圖像序列中的每幀圖像和參考圖像進行對比，在差值比某個閾值要大的時候，在累積差分圖像中加1。圖像序列第一幀為參考圖像，假如累積差分圖像的初始值為0，第k 幀圖像中差分圖像為：

二階差分圖像為：對應第n 幀（n=0，1，...，N）的二階差分圖像處于（x，y）時候的值為1，說明此位置中第n-1 幀與第n 幀的一階差分圖像FADP 的符號不同。

利用差分技術對運動檢測的主要優(yōu)勢就是簡單，但是差分技術會受到噪聲污染。改變攝像機、照明的位置和攝像機電子噪聲都會出現(xiàn)錯誤數(shù)據(jù)。所以，差分技術在二維運動圖像全局性粗略處理中使用，在場景活動區(qū)域中轉移解釋注意力，利用差分圖像特征對場景中事件粗略信息提取。

3.3 單視點圖像深度信息提取算法

通過深度圖對圖像三維場景深度關系表示，深度圖是指被劃分為256 個不同層次灰度圖，利用字節(jié)表示像素，和觀察者距離最遠的表示為0，距離最近的表示為255。深度圖詳見圖3，將原本的物體真實深度朝著深度關系轉變。

圖3 深度圖

單視點圖像像素點深度變化具備方向性，也就是深度根據(jù)某指定方向有規(guī)律地改變，并且大部分圖像為線性變化，能夠通過深度變化的方向對圖像進行分配。單視點圖像先驗假設深度變化模型是通過深度梯度假設實現(xiàn)，創(chuàng)建深度梯度模式根據(jù)相應場景中幾何特性信息進行檢測。以不同場景表示，深度梯度創(chuàng)建模式以深度梯度變化劃分成為：從左到右增加、從右到左增加、從上到下增加、從下到上增加、從左下到右下增加、從右上到左下增加、從右下到左上增加、從左上到右下增加。

根據(jù)人眼的視覺特點，在二維圖像感知三維信息的時候，大部分都是通過圖像物體的深度特征展示，比如陰影、遮擋、高度信息、大小信息等。所以在對單視點圖像深度信息進行提取時，通過隱含深度特性圖像特征能夠得出深度線索。以提取的邊緣輪廓信息的物體輪廓對深度圖邊緣進行表示，展現(xiàn)圖像各個物體獨立性與相鄰性，圖像物體邊緣能夠對應物體深度輪廓。圖像深度關系的增加方式為從下側到上側，這個時候輪廓線分割比與區(qū)域指定初始值都是相互對應的。通過邊緣輪廓信息分割圖像區(qū)域，首先對每個區(qū)域指定深度值的分配進行假設，之后得到整幅圖像深度圖。

在實際使用過程中，二維圖像深度圖一般應用到從下側到上側在深度梯度中增加，也就是圖像下部分區(qū)域在三維場景中映射的最近距離觀察者也是最近，從下到上逐漸過渡，圖像上部分區(qū)域映射到三維場景和人員距離最短的地方。通過分析高層次圖像，和觀察者距離最近的包括大地、湖面等，距離最遠的為天空，滿足從下到上深度逐漸增加的深度梯度模型。在對圖像物體深度信息進行表示的時候，如果同個物體在場景中開展從近到遠的排列，物體存在深度關系。為不同物體賦予指定初始深度值。以從下側到上側深度增加的深度梯度模型，物體底部深度值也就是物體覆蓋區(qū)域深度值。所以，在對圖像物體輪廓提取之后，根據(jù)物體輪廓最底端的深度初始值作為分配深度值，利用圖像底端進行搜索，得到輪廓后對深度檢驗，然后賦予輪廓底端相應深度值，生成圖像深度圖。

以此可以看出來，能夠通過高度深度線索實現(xiàn)輸入圖像邊緣檢測之后，在邊緣圖中以邊緣幅度信息Elt 成為邊緣跟蹤約束：

并且添加平滑約束Es 與彈性約束Ee 跟蹤強邊緣，對輪廓圖進行提取。通過深度假設深度分配輪廓圖，利用遞歸深度濾波器全局優(yōu)化深度圖，得出單視點圖像深度圖。還能夠以區(qū)域相似性對圖像物體邊緣信息進行提取，圖像劃分成為4*4 的像素塊，假設像素塊中像素深度一樣，將像素塊中顏色平均值作為其灰度，相鄰像素塊之間差異利用求解像素塊平均值差的絕對值得出：

公式中的Mran（a）指的是像素塊a 的顏色平均值，Diff（a，b）指的是像素塊a 與b 的差異，使其表示a 與b 的相似性。如果Diff（a，b）值越小，說明兩個像素塊的相似性比較高，邊緣可能性比較??；相反，具有較大的邊緣可能性，以此推斷物體邊緣信息。然后通過圖論分割方法將圖像抽象化無向圖，其中的階段對應圖像中的像素塊，通過像素塊差異Diff（a，b）表示邊權重，以此生成圖像區(qū)域最小生成樹，將圖像分割問題朝著無向圖節(jié)點劃分的問題進行轉變，每個區(qū)域中的節(jié)點邊權重值比較低，區(qū)域之間節(jié)點和大權重值對應，以此連通性將大權重值邊去除，將子集區(qū)域創(chuàng)建連通圖，以邊緣信息實現(xiàn)圖像分割。

基于物體邊緣輪廓分割圖像，利用對深度梯度檢驗賦予不同區(qū)域的深度信息，能夠得出場景深度圖。如果圖像中具有不明顯的特性信息，深度要通過下側到上側進行增加，創(chuàng)建梯度構件模式，具有相同的分割區(qū)域深度值，分割區(qū)域深度分配的方法為：

公式中的|Wrl|+|Wud|=1，利用Wrl 和Wud 符號與大小的調(diào)整，深度分配公式能夠在不同深度梯度模式中使用。

4 結語

計算機視覺深度估計方法在實踐中使用，要求技術人員根據(jù)目前技術發(fā)展實際，使被動視覺作為研究重點，對被動視覺技術原理進行明確。將實用性、科學性的原則作為基本框架，根據(jù)現(xiàn)有技術作為突破口形成深度估計運行模式，將其優(yōu)勢充分發(fā)揮出來，合理化創(chuàng)建計算機視覺體系，保證技術操作能夠有序的開展。