摘要
针对视觉图像的深度信息的获取,提出了一种基于马尔可夫随机场的散焦特征参数的模型,将散焦特征深度信息的获取转化为能量函数的优化问题.采用混沌粒子群优化(PSO)方法防止预测模型的局部优化,可以使预测率显著提高.实验与仿真证实了模型和算法的有效性和可能性.
For depth information estimation of vision image,a blur parameter model of defocus image based on Markov random field(MRF)was presented.It converted problem of depth estimation into optimization problem.An improved chaos-PSO algorithm was applied to complete optimization problem,which prevented that the result got into local optimization.The experiments and simulations prove that the model and algorithm are efficiency.
出处
《华中科技大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2013年第S1期223-225,共3页
Journal of Huazhong University of Science and Technology(Natural Science Edition)
基金
国家自然科学基金资助项目(11101318)
图像处理与智能控制教育部重点实验室基金资助项目(201104)
武汉工程大学科学研究基金资助项目
武汉工程大学青年基金资助项目(Q201206)
湖北省教育厅科学技术研究项目(D20111507)
关键词
视觉图像
深度估计
混沌粒子群优化
马尔可夫随机场建模
单目视觉
vision image
depth estimation
chaos-PSO particle swarm optimization
Markov random field model
signal vision