基于核主成分分析(KPCA)和神經(jīng)網(wǎng)絡(luò)的單目紅外圖像深度估計.pdf

1、100多年前興起了一項基于紅外輻射的信息交換與處理技術(shù),主要研究紅外線的發(fā)射、傳輸?shù)鹊幕疽?guī)律及實用前景。近些年,對紅外成像技術(shù)的探索越來越受到人們的重視。隨著相關(guān)技術(shù)的蓬勃發(fā)展,紅外成像在軍用領(lǐng)域和民用領(lǐng)域的作用日漸突出,人們對紅外圖像成像質(zhì)量的要求也越來越高。將物體表面的溫度分布利用某種特殊的裝置轉(zhuǎn)換成人眼可見的圖像這一特殊的成像機制,使得景物深度感和空間感的缺乏成為紅外圖像的一大缺陷。實現(xiàn)紅外圖像的空間感,可以極大改善其視覺質(zhì)量,

2、提高對場景的理解,并有利于之后圖像的分析處理。為了解決這一難題,本文提出了一種基于核主成分分析(KPCA)和神經(jīng)網(wǎng)絡(luò)的紅外圖像深度估計算法。圖像的深度估計即是從圖像中獲取深度距離信息,從本質(zhì)上講是一個深度感知的問題。目前有三種深度估計的方法:雙目深度估計,基于圖像序列的深度估計和單目深度估計。前兩種方法應(yīng)用較為廣泛,都依賴于圖像間的特征差異。而單目深度估計只能依據(jù)先驗知識和圖像本身的特征來提取深度線索。紅外圖像在實際應(yīng)用中往往是單目圖像

3、,所以本文采用的深度估計方法即是單目深度估計,結(jié)合紅外圖像的固有特點,通過機器學(xué)習(xí)恢復(fù)紅外圖像場景中的空間位息。本文的工作是研究單目紅外圖像的深度估計算法,主要分為三部分:第一部分是提取與紅外圖像深度相關(guān)的特征;第二部分是以KPCA理論為基礎(chǔ),對粗提取的特征進行篩選;第三部分是以神經(jīng)網(wǎng)絡(luò)理論為基礎(chǔ),對篩選出的特征進行訓(xùn)練得到深度估計模型。本文創(chuàng)新點如下:1.采用基于線性核函數(shù),多項式核函數(shù),高斯徑向基核函數(shù),多層感知核函數(shù)的KPCA算法

4、對粗提取的特征進行篩選,并采用粒子群算法,優(yōu)化KPCA核函數(shù)的參數(shù)。2.采用機器學(xué)習(xí)研究中較為重要的BP神經(jīng)網(wǎng)絡(luò)對篩選后的深度特征進行訓(xùn)練,得到深度估計模型。通過仿真實驗證明,核主成分分析(KPCA)通過核方法免去直接對樣本進行非線性映射,實現(xiàn)算法高效簡潔,保證特征向量與深度的相關(guān)性、相互間的獨立性,有效的避免了維數(shù)災(zāi)難。其中基于多項式核函數(shù)的核主成分分析篩選的特征向量訓(xùn)練得到的深度估計模型能更好地恢復(fù)原始圖像的深度信息。與前人提出的基