公开(公告)号：CN111882485A

公开(公告)日：2020-11-03

申请号：CN202010566899.9

申请日：2020-06-19

Applicant: 北京交通大学

Inventor： 刘美琴 ,  张帅勇 ,  林春雨 ,  赵耀

IPC: G06T3/40 ,  G06K9/62

Abstract: 本发明针对受限于深度相机采集装置，采集的深度图像存在分辨率较低、易受噪声干扰等问题，难以满足实际需求，提出了分级特征反馈融合的深度图像超分辨率重建方法，利用深层网络提取深度图像及其对应纹理图像的特征，构建深度-纹理深层的特征表示。在此基础上，利用金字塔结构构建深度-纹理的深层特征在不同尺度下的分层特征表示。还采用分级特征的反馈式融合策略，综合深度-纹理的边缘特征，生成深度图像的边缘引导信息。深度图像的重建过程采用残差学习的方式，进一步增强深度图像的重建质量。本发明，通过实验结果表明，相比state-of-the-arts方法，本发明提出的方法均实现了深度图像的主、客观质量的提升。

公开(公告)号：CN111882485B

公开(公告)日：2023-08-18

申请号：CN202010566899.9

申请日：2020-06-19

Applicant: 北京交通大学

Inventor： 刘美琴 ,  张帅勇 ,  林春雨 ,  赵耀

IPC: G06T3/40 ,  G06V10/40 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明针对受限于深度相机采集装置，采集的深度图像存在分辨率较低、易受噪声干扰等问题，难以满足实际需求，提出了分级特征反馈融合的深度图像超分辨率重建方法，利用深层网络提取深度图像及其对应纹理图像的特征，构建深度‑纹理深层的特征表示。在此基础上，利用金字塔结构构建深度‑纹理的深层特征在不同尺度下的分层特征表示。还采用分级特征的反馈式融合策略，综合深度‑纹理的边缘特征，生成深度图像的边缘引导信息。深度图像的重建过程采用残差学习的方式，进一步增强深度图像的重建质量。本发明，通过实验结果表明，相比state‑of‑the‑arts方法，本发明提出的方法均实现了深度图像的主、客观质量的提升。