随着3D显示设备的出现，3D显示市场存在着3D显示设备的发展和3D显示片源严重匮乏的突出矛盾。利用各种深度线索，将2D平面视频中含有的3D立体信息提取出来，这种2D转3D技术可以充分利用已有的2D资源，避免重复制作，节省大量的制作费用，能够解决3D资源匮乏的问题。不仅如此，三维信息在诸多领域有着广泛的应用，因此图像深度信息提取技术的研究，是计算机视觉领域中的重要研究内容。 通过本项目的研究，分析比较了不同深度线索的适用场合及其局限性，由于纹理线索的适用性较强、限制较少，本项目选用纹理线索作为深度信息估计的主要特征，在对纹理渐变特征及优化算法深入研究的基础上，提出了一种基于马尔科夫随机场模型与多尺度纹理特征的图像深度信息估计方法， 马尔科夫随机场是完备的数学理论，是解决不适定问题的有效方法。而图像深度信息估计是典型的不适定问题。项目采用了Laws滤波器与二维场景图像卷积，分别对图像提取多个尺度的边缘、梯度、点等纹理特征，并将二维场景图像深度估计问题归结为模式识别问题，即把二维场景图像的深度划分为深度类，每一个深度类作为一个待识别的模式类，根据纹理特征在不同尺度范围的变化，计算出纹理线索与场景深度之间的概率关系，构建马尔科夫随机场概率模型。通过分析邻域关系很好地描述纹理特征与场景深度之间的关系，运用贝叶斯理论，根据图像信号的马尔科夫性与吉布斯分布的等价性，设计马尔科夫随机场的目标函数，实现深度信号的最大后验概率估计。给出了两个深度信息迭代更新算法，即基于邻域平均深度信息迭代更新算法，和基于邻域混合深度信息迭代更新算法。在迭代更新算法中，设计了深度更新开关函数，深度更新准则，给出了模型参数训练方法，给出了具体的深度更新迭代步骤。通过仿真实验，本项目实现了场景约束小，适用范围宽的二维图像深度估计，获得了良好的实验结果。

哈尔滨商业大学

该项目为储备库项目资源，暂无效益分析内容。