Использование эффекта продольной хроматической аберрации для измерения расстояний по единственной цветной фотографии

Волкова М.А., Луцив В.Р., Недошивина Л.С., Иванова А.А.

Полный текст на elibrary.ru

Публикация в Journal of Optical Technology

Ссылка для цитирования:

Волкова М.А., Луцив В.Р., Недошивина Л.С., Иванова А.А. Использование эффекта продольной хроматической аберрации для измерения расстояний по единственной цветной фотографии // Оптический журнал. 2019. Т. 86. № 1. С. 52–59. http://doi.org/10.17586/1023-5086-2019-86-01-52-59

Volkova M.A., Lutsiv V.R., Nedoshivina L.S., Ivanova A.A. Using the effect of longitudinal chromatic aberration for measuring distances from a single color photograph [in Russian] // Opticheskii Zhurnal. 2019. V. 86. № 1. P. 52–59. http://doi.org/10.17586/1023-5086-2019-86-01-52-59

Ссылка на англоязычную версию:

M. A. Volkova, V. R. Lutsiv, L. S. Nedoshivina, and A. A. Ivanova, "Using the effect of longitudinal chromatic aberration for measuring distances from a single color photograph," Journal of Optical Technology. 86(1), 42-47 (2019). https://doi.org/10.1364/JOT.86.000042

Аннотация:

Предложен метод измерения расстояния до объектов фотографирования на основе продольной хроматической аберрации, при которой фокусное расстояние линзы, и, следовательно, степень расфокусировки фотографии зависят от использованного при съемке цветового диапазона. С помощью локального анализа пространственного фурье-спектра изображения, по-разному расфокусированного в разных спектральных диапазонах, расстояния рассчитываются в аналитической форме. Приведено теоретическое обоснование предложенного метода и представлены результаты его практического применения для измерения расстояний до объектов сцены по ее цветной фотографии, сделанной с использованием объектива с выраженной хроматической аберрацией.

Ключевые слова:

продольная хроматическая аберрация, хроматизм увеличения, измерение расстояния, комплексная спектрограмма, функция рассеяния точки, расфокусировка изображения, формула линзы, калибровка оптической системы

Благодарность:

Работа выполнена при поддержке Министерства образования и науки РФ и частично при государственной поддержке ведущих университетов РФ (субсидия 074-U01). Авторы также выражают благодарность госпоже Ольге Безымянных за помощь в построении программных моделей.

Коды OCIS: 080.0080, 080.1010, 100.0100, 100.2000, 110.6980

Список источников:

1. Волкова М.А., Луцив В.Р. Использование эффекта продольной хроматической аберрации для измерения расстояний по единственной фотографии // Научно-техн. вестник информационных технологий, механики и оптики. 2016. Т. 16. № 2. C. 251–257. doi:10.17586/2226-1494-2016-16-2-251-257
2. Szeliski R. Computer vision: Algorithms and applications. Washington: Springer, 2011. 812 p. doi: 10.1007/978-1-84882-935-0

3. Kamencay P., Breznan M., Jarina R., Lukac P., Zachariasova M. Improved depth map estimation from stereo images based on hybrid method // Radioengineering. 2012. V. 21. № 1. P. 79–85.
4. Chaudhuri S., Rajagopalan A.N. Depth from defocus: A real aperture imaging approach. Springer, 1999. 172 p. doi: 10.1007/978-1-4612-1490-8
5. Horn B.K.P. Obtaining shape from shading information / In: The Psychology of Computer Vision (Ed. By Winston P.H.). McGraw-Hill, 1975. 282 р.
6. Marr D. Vision. A computer investigation into the human representation and processing of visual information. N.Y.: W.H. Freeman and Company, 1982. 415 p.
7. Pentland A. A new sense for depth of field // IEEE Trans. Pattern Analysis and Machine Intelligence. 1987. V. PAMI-9. № 4. Р. 523–531. doi: 10.1109/TPAMI.1987.4767940
8. Grossmann P. Depth from focus // Pattern Recognition Lett. 1987. V. 5. № 1. P. 63–69. doi: 10.1016/0167-8655(87)90026-2
9. Zhuo S., Sim T. On the recovery of depth from a single defocused image // Lecture Notes in Computer Science. 2009. V. 5702. P. 889–897. doi: 10.1007/978-3-642-03767-2_108
10. Tang C., Hou C., Song Z. Defocus map estimation from a single image via spectrum contrast // Opt. Lett. 2013. V. 38. № 10. P. 1706–1708. doi: 10.1364/OL.38.001706
11. Saxena A., Chung S.H., Ng A.Y. 3-D depth reconstruction from a single still image // Internat. J. Computer Vision. 2008. V. 76. № 1. P. 53–69. doi: 10.1007/s11263-007-0071-y
12. Eigen D., Puhrsch C., Fergus R. Depth map prediction from a single image using a multi-scale deep network // Advances in Neural Information Proc. Systems (NIPS 2014). Montreal, Canada, 2014. P. 2366–2374.
13. Бегунов Б.Н., Заказнов Н.П. Теория оптических систем. М.: Машиностроение, 1973. 488 с.
14. Чуриловский В.Н. Теория оптических приборов. Л.: Машиностроение, 1966. 565 с.
15. Tisse C.-L., Nguyen H. P., Tessières R., Pyanet M., Guichard F. Extended depth-of-field using sharpness transport across color channels // Proc. SPIE. 2008. V. 7061. P. 706105-1–706105-12.
16. Волкова М.А., Луцив В.Р. Использование эффекта продольной хроматической аберрации для измерения расстояний по единственной фотографии // Тр. XII междунар. конф. «Прикладная оптика-2016». 14–18 ноября 2016 г. Санкт-Петербург, Российская Федерация. 5 с.
17. Walker B. Optical engineering fundamentals, 2nd Ed. Bellingham, WA: SPIE Press, 2008. 277 p.
18. Mosleh A., Green P., Onzon E., Begin I., Langlois J.M.P. Camera intrinsic blur kernel e stimation: A reliable framework // Proc. IEEE Conf. Computer Vision and Pattern Recognition (CVPR). 7–12 June 2015. Boston, MA, USA. P. 4961–4968.