臺灣博碩士論文加值系統

2D 影像通常存在一隱形背景深度模型，構成人眼觀視影像時的整體深度走向，當人們在觀看時，常會不自覺地區分前景與背景區域，並基於前景與背景間的相對關係，產生對物體的距離感。因此，本系統對所輸入的 2D 影像，先藉由分析影像中的背景深度模型，切割出前景區域，再結合由影像清晰度、紋理梯度與人物偵測等各種深度線索 (Cue) 來對其進行深度估測，最後將前景區域與背景模型的深度值加以整合為整體深度圖 (Depth map)。而後，利用色彩資訊對深度值進行修正，並根據人們對色彩的感知，調整前景區域或背景區域的色彩。最後，利用深度繪圖法，合成出一立體影像對，並在 3D 立體顯示設備上播放，以觀看立體效果

2D-to-3D Conversion for a Single Image Based on Background Depth Model Estimation

致謝 I
摘要 II
目錄 III
圖目錄 V
表目錄 VII
第一章 緒論 1
1.1 研究背景與動機 1
1.2 論文架構 2
第二章 立體影像相關理論與技術 5
2.1 立體顯示設備 5
2.2 相關技術文獻回顧 8
2.2.1 多焦距影像之深度估測 9
2.2.2 單張影像之深度估測 10
2.3 立體品質評估方式 12
第三章 單張影像之立體轉換技術 16
3.1 系統架構說明 16
3.2 初步場景深度值估測 17
3.3 背景深度模型估測 24
3.3.1 影像特徵擷取 25
3.3.2 利用類神經網路估測背景深度模型 25
3.4 基於 Mean-shift 演算法之前景切割 27
3.4.1 Mean-shift 演算法 27
3.4.2 HSI色彩空間轉換 31
3.4.3 前景與背景之分割 32
3.4.4 基於背景深度模型之前景區域深度值指派 34
3.5 融合前景區域深度指派與背景深度模型之深度合併 35
第四章 深度修正與影像加強 36
4.1 依據色彩資訊之深度影像修正 36
4.2 加強立體感之前景/背景影像加強 37
4.3 基於深度影像與加強影像之立體影像對合成 39
第五章 實驗結果與分析 41
5.1 單張影像深度估測結果 41
5.2 基於色彩加強之立體品質評估 47
5.3 類神經網路分類器背景深度模型估測 57
5.4 本系統轉換時間 58
第六章 結論與未來工作 60
6.1 結論 60
6.2 未來工作 60
參考文獻 61

[1]S. K. Nayar and Y. Nakagawa, “Shape from Focus,” IEEE Trans. on Pattern Analysis and Machine Intelligence, Vol. 16, No. 8, pp. 824–831, August 1994.
[2]V. P. Namboodiri and S. Chaudhuri, “Recovery of Relative Depth from a Single Observation Using an Uncalibrated (Real-Aperture) Camera,” Proc. of IEEE Int’l Conf. on Computer Vision and Pattern Recognition (CVPR-2008), Anchorage, AK, pp.1-6, June 2008.
[3]D. Burazerovic, P. Vandewalle and R. P. Berretty, “Automatic Depth Profiling of 2D Cinema - and Photographic Images,” Proc. of IEEE Int’l Conf. on Image Processing (ICIP-2009), Cairo, pp. 2365-2368, Nov. 2009.
[4]C. Varekamp, P. Vandewalle and M. de Putter, “Question Interface for 3D Picture Creation on an Autostereoscopic Digital Picture Frame,” Proc. of IEEE Int’l Conf. 3DTV, Potsdam, pp.1-4, May 2009.
[5]S. L. P. Yasakethu, C. Hewage, W. Fernando and A. Kondoz, “Quality Analysis for 3D Video Using 2D Video Quality Models,” IEEE Trans. on Consumer Electronics, Vol.54, pp. 1969-1976, Nov 2008.
[6]Z. Wang, L. Lu and A. C. Bovic, “Video Quality Assessment Using Structural Distortion Measurement,” Proc. of IEEE Int’l Conf. on Image Processing (ICIP-2002), Vol. 3, No. 3, pp. 65-68, 2002.
[7]葉晟穎，基於單視域來源之立體視訊轉換技術，國立中正大學電機工程學系碩士論文，中華民國九十七年七月
[8]陳明民，數位立體影像之理論探討與創作實驗之研究，國立嘉義大學視覺藝術研究所碩士論文，中華民國九十四年十二月
[9]M. T. Suzuki, Y. Yaginuma, T. Yamada, and Y. Shimizu, “A Shape Feature Extraction Method Based on 3D Convolution Masks,” Proc. of IEEE International Symposium on Multimedia (ISM-2006), pp. 837-844, Dec. 2006.
[10]P. Peer, J. Kovace and F.Solina, “Human Skin Color Clustering for Face Detection,” EUROCON 2003 International Conf. on Computer as a Tool, Vol. 2, pp. 144-148, Sep. 2003.
[11]Yao-Jiunn Chen and Yen-Chun Lin, “Simple Face-detection Algorithm Based on Minimum Facial Features,” Proc. of IEEE Int’l Conf. on Industrial Electronics Society (IECON 2007), pp. 455-460, 5-8 Nov. 2007.
[12]M. V. Sudhamani and C. R. Venugopal, “Segmentation of Color Images using Mean Shift Algorithm for Feature Extraction,” Proc. of IEEE Int’l Conf. on Information Technology (ICIT-2006), Dec 2006.
[13]D. Comaniciu and P. Meer, “Mean Shift: A Robust Approach toward Feature Space Analysis,” IEEE Trans. On Pattern Analysis and Machine Intelligence, Vol. 24, No. 5, pp. 603-619, May 2002.
[14]C. Tomasi and R. Manduchi, “Bilateral Filtering for Gray and Color Images,” Proc. of IEEE Int’l Conf. on Computer Vision (ICCV-1998), Bombay, pp. 839-846, Jan. 1998.
[15]藍世明，鍾世凱, “物件構圖與攝影機運鏡對於 3D 動畫立體影像效果之研究,” 台中教育大學學報，2008年
[16]Liang Zhang and Wa James Tam, “Stereoscopic Image Generation Based on Depth Images for 3D TV,” IEEE Trans. On Broadcasting, Vol.51, Issue 2, pp.191 – 199, June, 2005.

[17]http://www.wikipedia.org/.