基于SVM模型的单目红外图像深度估计

提出一种通过非线性学习模型来估计单目红外图像深度的算法。该算法首先通过逐步线性回归和独立成分分析(ICA)寻找对于红外图像深度相关性较强的特征,然后以具有核函数的非线性支持向量机(SVM)为模型基础,采用监督学习的方法对红外图像深度特征进行回归分析并训练,在训练过程中通过已知数据回归后的最小均方误差对模型参数进行修正,训练后的模型可对单目红外图像的深度分布进行估计。实验结果证明,利用该模型能较一致地估计单目红外图像的深度信息。

具有深度视觉感的车载红外图像彩色化方法

提出了一种实现具有深度视觉感的车载红外图像彩色化的方法,对车载红外图像采用区域生长分割算法进行景物分类,分为天空、树木和道路,再分别对每一景物估计深度,然后根据得出的深度信息再结合景物的色彩先验知识,实现具有深度视觉感的红外图像彩色化。实验结果显示该方法能够得到较接近真实的深度和色彩视觉效果。