基于非参数化采样的单幅图像深度估计

针对传统单幅图像深度估计线索不足及深度估计精度不准的问题,提出一种基于非参数化采样的单幅图像深度估计方法。该方法利用非参数化的学习手段,将现有RGBD数据集中的深度信息迁移到输入图像中去。首先计算输入图像和现有RGBD数据集多尺度的高层次图像特征;然后在现有RGBD数据集中,基于高层次的图像特征通过KNN最近邻搜索找到若干与输入图像特征最匹配的候选图像,并将这些候选图像通过SIFT流形变到输入图像进行对齐;最后对候选深度图进行插值和平滑等优化操作,便可以得到最后的深度图。实验结果表明,与现有算法相比,该方法估计得到的深度图精度更高,对输入图像的整体结构保持得更好。