深度图
- 基于T-CNN 的3D-HEVC 深度图帧内快速编码算法①
而不能使用基于深度图的绘制技术(depth image based rendering,DIBR)[4]来合成虚拟视点,相比之下加入了深度图的3D-HEVC 标准的显示效果更好且范围更广。然而,3D-HEVC 标准需要对多个视点中的纹理图和对应深度图进行编码,这导致数据量急剧增加。该标准下各个视点中的纹理图和深度图仍以HEVC 标准的编码框架为基础[5]。H.265/HEVC 的编码复杂度相对于H.264/AVC 增加了253%,其中基于四叉树结构的编码单
高技术通讯 2023年10期2023-11-20
- 基于多源数据关联融合的交通图像深度补全技术
补全技术可填补深度图像中的缺失部分或不准确部分,从而提高路面深度估计的准确性。但基于图像的深度补全仍存在一定挑战:1)深度图可能受到天气、光照、遮挡和反射等多种干扰和影响,摄像机和毫米波雷达获取的深度图可能包含缺失或不准确部分,无法保证深度图的质量和完整性;2)路面上存在的障碍物使深度估计可能受到一定干扰。为解决以上问题,基于多源异构数据融合和深度学习的深度补全等技术应运而生。深度补全是计算机视觉领域的重要研究方向之一,目的是利用稀疏的深度数据(例如毫米波
电子科技 2023年10期2023-10-21
- 基于场景对象注意与深度图融合的深度估计
注意机制与加权深度图融合的深度估计算法。利用卷积网络计算特征图任意位置之间的相似度向量，以增大网络的感受野并增强特征图的上下文信息，有效解决对象缺失的问题。将不同网络层的深度图进行融合，在融合之前利用权重生成器为每一个深度图赋予权重，提高深度图的预测精度。1 相关工作自监督单目深度估计是深度估计算法研究的主流。GODARD等［6］提出的Monodepth2 模型具有较优的深度估计性能。为进一步提升算法的性能，GUIZILINI等［7］提出一种新的自监督单目
计算机工程 2023年2期2023-02-20
- 基于多分支网络的深度图帧内编码单元快速划分算法
理图及其对应的深度图组成，其采用基于深度图像的绘制(Depth Image-Based Rendering, DIBR)[6]技术实现任意虚拟视点的合成，通过减少视点数量来降低待编码视频的数据量。MVD视频格式的出现缓解了因视点数增加导致数据量激增的问题，是目前最为有效的3D视频编码格式。与高效视频编码(High Efficiency Video Coding, HEVC)[7]标准相比，3D-HEVC引入了深度图。与纹理图不同，深度图表示物体与相机的距离
电子与信息学报 2022年12期2022-12-28
- 多视图几何轻量级三维重建算法
方法相结合生成深度图，在面对纹理信息较少区域和稀疏结构时比其他算法效果更好，但也存在不能正确判断包含树木或草地的植被区域、整体速度易受卷积量和模型深度影响等问题。基于深度学习的多视图几何方法可显著改进传统计算几何在弱纹理、稀疏结构、反射面和透明面存在的局限性。文献[4-5]提出了一种端到端的MVSNet神经网络模型，通过2D CNN特征提取网络得到成本量，然后通过3D CNN对成本量进行正则化平滑调整，能极大地提高三维重建的整体质量，但在计算时会产生大量的
重庆邮电大学学报(自然科学版) 2022年6期2022-12-28
- 纹理-深度图共同优化的3D-HEVC帧内快速算法
提出了多视点加深度图（Multi-view Video Plus Depth，MVD）［2］的视频格式。MVD 视频格式中包括来自不同视点的纹理图信息和对应的深度图信息，其余虚拟视点可用深度图渲染（Depth Image Based Rendering，DIBR）技术［3］进行合成。高效视频编码（High Efficiency Video Coding，HEVC）［4］于2013 年4 月颁布，其压缩性能在上一个编码标准的基础上提高了一倍。3D-HEVC［
信号处理 2022年10期2022-11-16
- 基于多尺度特征递归卷积的稠密点云重建网络
网络生成的初始深度图进行优化，使深度图表述更准确。实验结果表明，在DTU数据集上取得了优异的结果，该网络在拥有较高深度图估计精度的同时还节约了硬件资源，且能扩展到航拍影像的实际工程之中。深度学习；计算机视觉；遥感测绘；三维重建；多视图立体；递归神经网络基于多视图立体(multi-view stereo，MVS)信息的稠密点云重建是计算机视觉的经典研究课题，是虚拟现实、智能驾驶和考古研究等多个领域中的关键技术[1]。传统的稠密重建方法[2-4]利用计算相似性
图学学报 2022年5期2022-11-02
- RGB-D相机深度图与彩色图配准方法研究
信息，需要进行深度图与彩色图的配准。SIFT、SURF、RANSAC算法等常见的图像配准方法一般用于二维彩色图像。龙勇志使用卷积神经网络提取红外图像与可见光图像的共有特征，实现了红外图像与可见光图像的配准。针对深度图与彩色图的配准，彭丽通过使用NPDM算法，以迭代的方式获取深度图与彩色图间的配准参数。Mikhelson等提出了一种用于RGB-D相机的配准方法，将深度图重建为三维点云数据，分别提取点云中的角点与彩色图的角点，获得深度图与彩色图的对应关系。宋希
现代计算机 2022年6期2022-05-25
- 基于非对称融合和关联上下文的RGBD语义分割算法研究
器的迅速发展，深度图数据的获取变得越来越容易了。深度图信息具有3D图像的几何信息，能够映射真实世界中的物体，因此可以作为具有色彩和纹理的RGB图像的补充。然而，如何利用深度图信息并且将其融入到其他信息流，仍是没有解决的问题。早期的研究试图使用双通路网络，分别提取RGB和深度图的特征，然后在最后一层融合它们，再取得分割结果。这种晚期融合的策略融合两个模态的时机太晚，导致RGB分支不能在早期阶段取得它所需要的几何信息作为引导。后来，研究者设法在多个阶段将深度图
现代计算机 2022年1期2022-04-14
- 基于多尺度特征融合的快速单目图像深度估计
计的研究主要从深度图的精度和网络的推理速度2个方面进行。在深度图的精度方面,文献[6]首次利用卷积神经网络提取的特征和双尺度深度网络拟合训练图片与其对应的深度值之间的关系;文献[7]利用多尺度融合和同尺度内部剔除图像中的噪声来提高深度图的精度;文献[8]受ResNet启发,设计了编码器的多层级融合结构来提升深度图的细节;文献[9]考虑到图像中不同物体的尺寸,使用尺度特征汇集策略来提升深度图的精度。以上几种方法使得深度图精度有很大提高,但是也导致深度估计模型
合肥工业大学学报（自然科学版） 2022年3期2022-04-08
- 基于卷积神经网络的深度图修复
摄像头采集到的深度图会出现大小不一的空洞，以及猪只在活动过程中被栏杆遮挡的情况。残缺的深度图会导致后续的视觉任务精度下降甚至失败。关于深度图修复的算法研究发展大致分为2个阶段，一是基于滤波的传统算法，二是基于数据驱动的深度学习算法。传统滤波算法主要有均值滤波、中值滤波、双边滤波和联合双边滤波，之后的算法大部分是基于此进行改进。双边滤波在高斯滤波的基础上同时考虑了空间上的距离以及像素值之间的距离，使修复后的图像保留了结构和纹理信息。联合双边滤波在双边滤波的基
应用科技 2022年1期2022-03-25
- 深度图像及其修复在煤矿井下的研究
了很多的价值，深度图像也成为获取三维场景信息的一种方法，并且运用的很广泛。本文提出深度图像与煤矿井下相结合，可以对井下环境真实距离进行获取。这样就可以更好的掌握井下的三维场景信息，提高工作效率，并且在危险发生或将要发生时快速的进行避险。1 深度图像深度图像也被称之为距离图像，它是反应环境内各个点到传感器之间的距离的图像，采集到的深度用像素的值的大小来表示，通过处理将像素的值转化为灰度，灰度越深，距离传感器距离越近，灰度越浅，说明距离传感器越远。深度图采集到
电子测试 2022年4期2022-03-17
- 结合LiDAR与RGB数据构建稠密深度图的多阶段指导网络
，进而得到稠密深度图。然而该方法在远处物体和物体边缘处激光雷达获得的深度信息存在歧义，很难在这些位置上推理出缺失的深度信息。研究表明，利用RGB信息可以有效地构建稠密深度图(黄军 等，2019；周大可 等，2021)。一些学者提出采用RGB图像引导稀疏深度稠密化，通过RGB图像中蕴含的丰富信息提高稠密深度图构建质量。Wang等人(2018)通过构建多尺度融合模块分别融合不同尺度下的RGB图像和稀疏深度信息，学习它们之间的相关性，从而提取深度信息。Ma等人(
中国图象图形学报 2022年2期2022-02-28
- 结合高低频分解和多尺度两级融合策略的单一深度图去噪方法
深度相机获得的深度图分辨率远远小于对应彩色图的分辨率，并且包含了很多的噪声像素点和无效的深度值，从而导致拍摄到的深度图质量不能满足实际应用需求.为了解决该问题，很多的学者致力于研究深度图增强去噪方法［3-7］.目前，图像的去噪方法大致可以分为两类：传统的图像去噪方法和基于深度学习的图像去噪方法.由于早期的图像去噪方法往往只利用图像的局部空间相关性来实现图像的加权平均滤波，因此这些方法无法很好地恢复图像的细节信息.例如，叶建雄等［8］采用双边滤波的方法在一定
北京交通大学学报 2022年5期2022-02-03
- 基于FSCD-CNN的深度图像快速帧内预测模式选择算法
了多视点视频加深度图的编码格式，可以同时对多个视点的纹理图以及相应的深度图进行编码，从而提高了3D 视频的编码性能。在帧内编码中，3D-HEVC 不仅保留了原有HEVC 的四叉树的编码结构和35 种帧内预测模式，而且针对深度图的帧内预测增加了深度建模模式（depth modeling mode, DMM），从而更有效地提高了编码性能。但由于3D-HEVC 使用的四叉树结构即要对所有编码单元（coding uint, CU）进行递归计算，又要计算多个预测模式
应用科学学报 2021年3期2022-01-19
- 单目视觉的深度与位姿联合预测网络
构，可以表示为深度图、点云或者三维体。其中深度图由于可转换性好、容易获取等原因，应用最为广泛。在三维重建的过程中，给定每幅图像的相机位姿有助于捕获图像间的几何关系，使得重建的结果更加准确。深度信息是理解场景中几何关系的重要线索。例如，具有颜色和深度通道的RGBD图像可以应用于各种任务，如三维模型重建、场景识别和人体姿态估计等。深度可以从立体图像对或运动序列中估计，这为理解三维结构提供了相对丰富的信息。相反地，从单幅图像中估计深度更具有挑战性和模糊性，因为无
计算机应用与软件 2021年12期2021-12-14
- 基于Hough变换的3D-HEVC深度图快速帧内预测方法
(MVD)加上深度图组成(Merkle et al.，2007)，该标准本身由H.264(Wiegand et al.，2003)同一标准中多视点视频编码(MVC)技术发展而来(Sarker，2014；Vetro et al.，2011)。得益于该标准的制定，3D视频才能更高效地进行存储和网络传输。3D-HEVC增加了深度建模模式(DMM)，目前DMM包括DMM1模式和DMM4模式(Muller et al.，2013)，而DMM模式带来了巨大的计算复杂度
东华理工大学学报(自然科学版) 2021年5期2021-11-23
- 基于半稠密COLMAP自监督单目内窥镜深度估计
备来获取真实的深度图。文献[21]为了解决这个问题使用数字合成和电子计算机断层扫描(computed tomograph,CT)渲染的方式生成相应的真实深度图，然而这种方法需要提供病人的CT数据，此外模拟的图像可能会失去图像原有的细节纹理，这对于本来就纹理稀疏的人体组织并不适用。由于有监督学习方法的局限性，近几年，无监督学习方法也得到了广泛的关注。X.Liu等[4]根据传统SFM具有光照不变特性提出自监督方法很好地解决了缺乏真实深度标签和光照变化问题，并在
南华大学学报（自然科学版） 2021年5期2021-11-16
- 一种基于WMF-ACA的深度图像修复算法
限制，所获取的深度图像往往存在空洞与噪声的问题，提出一种彩色图像引导的深度图像空洞填补方法.对深度图像边缘区域采用基于局部直方图的加权模式滤波器（WMF）进行处理，在有效保留深度图边缘与细节的前提下，消除图像噪声.对深度图像非边缘区域采用一种异步元胞自动机（ACA）模型算法，根据邻域和迭代规则对深度图空洞进行填补，快速、准确地完成任务.在立体匹配数据集Middlebury上测试所提算法实现性能，实验结果表明：该算法的结构相似性（SSIM）与峰值信噪比（PS
上海师范大学学报·自然科学版 2021年4期2021-09-23
- 基于块分类的深度图运动估计及其并行实现
序列和相对应的深度图序列。纹理图具有丰富的细节信息和少部分较为平坦的纹理区域，而深度图的平坦区域占比高达85%[2]，只有在物体的边界处有着陡峭的边缘。因此纹理图编码需要侧重于每个像素点的细节信息，而深度图只需要重点保护图像中各对象的边缘信息[3]。针对如何利用深度图独有的内容特性，降低在帧间预测部分的编码复杂度，专家提出了一些有效的解决方案。文献[4]针对深度图平坦块在运动估计时采用了复杂度较高的全搜索(full search，FS)算法或者TZSear
计算机工程与设计 2021年9期2021-09-16
- 分层联合双边滤波的深度图修复算法研究
成为研究热点，深度图能够直接反映出场景物体到相机的距离，但目前三维深度相机（例如Kinect 和Time of Flight，ToF）获取的深度图通常存在分辨率低、深度值缺失和噪声污染等问题。到目前为止，获取深度信息的两类主要方法[5]：被动方法和主动方法。立体匹配（被动方法）是在多视图中进行对应像素点匹配，然后估计像素点的视差求取深度，是获取深度信息的经典方法。该方法不依赖于复杂的设备，只需要拍摄双视图或多视图图像计算估计深度信息，如通过立体匹配[6]和
计算机工程与应用 2021年6期2021-03-23
- 苹果新专利防窥屏“隐私眼镜”曝光下一代面部ID或将上场
感器的扫描生成深度图，接着与已注册用户相关联的生物识别身份图进行对比，确定深度图和一个或多个身份图之间的相似性分数。针对超过阈值的相似性分数，该方法可能会将用户身份认证为注册用户，再使用深度图确定视力校正方案。此外，该方法可能还包括选择与矫正视力场景和注册用户相关的显示配置文件，并根据选定的显示配置文件生成图形输出。而矫正视力方案可能与佩戴矫正眼镜的注册用户相对应，图形输出则可以弥补与矫正视力场景和注册用户相关的视力缺陷。苹果在电子设备的显示屏上设置视力菜
海外星云 2021年23期2021-01-19
- 基于多通道卷积神经网络的单幅图像深度估计
幅图像预测场景深度图的过程。当使用多幅图像预测深度图时，通常采用运动序列图像进行预测[6-7]，其得到的深度图可以用于理解相对丰富的三维结构信息。相比之下，从单幅图像估计深度更具挑战性。这是因为在使用单幅图时，无法将立体图像和时间帧进行相互匹配。越来越多的方法尝试对单幅图像进行深度估计，大致可以分为两大类：基于学习的方法和交互式方法。一些传统的基于学习的方法将深度估计表述为一个马尔可夫随机场学习问题。Saxena等[8]使用线性回归和马尔可夫随机场从一组图
计算机应用与软件 2020年6期2020-06-16
- 基于ToF相机的三维重建技术
]，其利用多帧深度图像重建了三维场景。吴剑峰等[3]提出了一种快速的Kinect三维重建技术，并将其与实际的3D打印结合，实现优化。近年来，随着神经网络的飞速发展，其除了在二维图像的识别分割等方面，也已经应用到了三维重建领域，例如斯坦福大学提出的基于RGB-D图像重建点云模型的PointNet网络[4]，江航等[5]也提出了对室内场景CAD模型的重建网络。但是，神经网络实现的重建主要用于对遮挡部分、背面部分的预测，目前精确的重建仍然需要依赖多视角图像的精确
计算机应用与软件 2020年4期2020-04-18
- 基于深度图的3D-HEVC鲁棒视频水印算法
式的3D视频中深度图鲁棒性不足的问题，提出了一种基于深度图的3D鲁棒视频水印算法。首先，将深度图不重叠的划分为4×4大小的块，计算每一块像素域的均方差，并设置一个阈值来区分纹理块和平坦块;其次，对纹理块计算区域块的能量值，根据计算的能量值设置一个阈值来选择性嵌入水印比特位;最后，获取每个块变换量化后的DC系数，根据获取的DC系数值构造3×3的可逆矩阵，对可逆矩阵进行QR分解，将水印嵌入在分解后的Q矩阵中。所提算法保证了平均峰值信噪比不变，且不同量化参数（Q
计算机应用 2019年3期2019-07-31
- 基于学习模型的3D-HEVC提前Merge模式终止算法
视点及其相应的深度图（纹理视点的几何信息）组成。然而，与单个纹理视频相比，3D视频数据更多、更复杂。因此，高效压缩对于3D视频数据实时传输的应用非常重要[1]。HEVC（high efficiency video coding）由 JCT-VC（joint collaborative team on video coding）开发并用于单个纹理视点压缩[2]，为了进一步压缩 3D视频数据，JCT-3V（joint collaborative team on
通信学报 2019年7期2019-07-26
- 以HEVC为基础的3D视频编解码
、摄像机参数和深度图送入到3D视频编码器之后，经编码可以得到比特流，在这个过程中，深度序列可以不参与编码。如果比特流被解码器解码，可以得到相应的视频序列和摄像机参数，如果深度图同样参与编码，则在解码后，利用技术深度图绘制技术生成的N个视点序列，能够提供自由立体显示，利用生成的两个左右视点则可以提供双目立体显示。若比特流在经过抽取后送入到双目立体视频解码器中，可以得到双视点视频序列，利用图像域变形技术得到中间视点后，同样可以提供自由立体显示和双目立体显示等功
数字通信世界 2018年7期2018-08-03
- 3D-HEVC深度图帧内编码快速算法
用多视点视频加深度图(Multi-view Video Plus Depth, MVD)的编码格式[1],能同时编码多个视点的纹理图及对应深度图,使用基于深度图的绘制(Depth-image-based rendering, DIBR)技术就能合成任意视点的视频信息[2]。增加的深度图信息,反映了物体与摄像机的相对距离。与纹理图相比,平坦区域占据大部分面积,但物体边缘处是锯齿状边界。深度图不在解码端显示,但直接影响合成视点的失真大小[3],而传统的2D视频
信号处理 2018年6期2018-07-25
- 三维视频的深度图快速编码算法*
），以多视点加深度图（Multi-view Video plus Depth，MVD）为编码格式，在HEVC编码标准基础上，提出了编码3D视频的3D-HEVC编码标准[1-2]。MVD的格式需要编码几个不同视点的纹理图及其对应的深度图，再利用基于深度图的绘制（Depth-Image-Based Rendering，DIBR）技术，合成任意位置的视频信息[3]。不同视点的采集通过一系列同样高度、角度不同的摄像头完成。3D-HEVC标准测试平台的测试序列使用三
通信技术 2018年3期2018-03-21
- 实时交互的带浮雕纹理的三维模型构建方法
图像转换为初始深度图，并进一步转换为梯度图，再通过梯度域的压缩、过滤，求解线性方程重建出整体连续的浮雕深度图；第二步，借助基于网格求交的浮雕纹理映射算法将浮雕深度图贴在目标模型表面，并通过移动、旋转、缩放等操作实时在目标模型三维空间上修改浮雕效果，最终重建目标模型网格，生成浮雕纹理模型。实验表明，所提方法可快速实现在一个目标模型上生成凹浮雕、凸浮雕、多浮雕等效果，所得模型无需经过其他处理，可直接应用于3D打印，打印效果较好。浮雕纹理；纹理映射；快速建模；三
计算机应用 2017年8期2017-10-21
- 一种基于改进MRF的深度图超分辨率重建
于改进MRF的深度图超分辨率重建陈金奇，李 榕（华南师范大学物理与电信工程学院，广州510006）随着计算机视觉技术的发展，快速直接获取深度信息越来越受到大家的重视，然而直接获取的深度图像因受到其成像原理以及硬件设备所限，存在分辨率低、边缘噪声大等缺点，而无法达到实际应用要求。为此提出一种基于改进马尔科夫随机场的深度图超分辨率重建方法，具体就是引进同场景高分辨率彩色图，充分挖掘彩色图和深度图的内在关系，构建局部自相关性特征结构，从而重新构建马尔科夫随机场的
微处理机 2017年4期2017-09-11
- 基于边缘复杂度的深度图帧内模式选择方法
于边缘复杂度的深度图帧内模式选择方法项璐露，张 桦，戴国骏(杭州电子科技大学计算机应用技术研究所，浙江 杭州 310018)3D-HEVC在深度图中的内部模式众多导致了编码时间大量增加.为此，提出了一种基于边缘复杂度的深度图帧内模式选择方法.由于DMMs中的深度图帧内模式适用于不同特征的边缘，其中的Intra_Wedge模式针对简单边缘而Intra_Contour模式适用复杂边缘.因此提出了依据边缘复杂度情况分别选择不同深度图帧内模式到候选列表中.实验结果
杭州电子科技大学学报(自然科学版) 2016年6期2016-12-13
- 一种深度图的时域下采样编码及重建方法
0050)一种深度图的时域下采样编码及重建方法葛 川1,刘 琚1,2,元 辉1,3,肖依凡1,李凤荣3(1.山东大学信息科学与工程学院,山东济南 250101;2.山东大学苏州研究院,江苏苏州 215123; 3.中国科学院上海微系统与信息技术研究所无线传感网与通信重点实验室,上海 200050)为提高三维视频系统的编码效率,提出了一种针对中间视点的深度时域下采样编码方法.首先确定深度图像的丢弃方式;然后利用基于时间一致性和视点间的相关性,恢复出丢弃的深度
西安电子科技大学学报 2016年4期2016-12-06
- 3D-HEVC中深度图帧内预测模式判决过程的改进*
D-HEVC中深度图帧内预测模式判决过程的改进*雷海卫1，刘文怡1，王安红2(1.中北大学 仪器科学与动态测试教育部重点实验室，山西 太原 030051；2.太原科技大学 电子信息工程学院，山西 太原 030024)深度图建模模式的使用可以有效地降低编码的深度图内部边界处的伪影效应，从而改善深度图的编码质量，但同时也极大地增加了编码的计算复杂度。为了降低由此而带来的计算复杂度，对深度图帧内预测的模式判决过程和现有的快速模式判决方案进行了分析，同时对不同大小
电子技术应用 2016年10期2016-12-02
- 一种去除虚假边缘的任意视点绘制方法
0050）基于深度图的视点渲染（DIBR）是支撑3D视频服务的一种重要技术。为了解决任意视点绘制结果中常出现的虚假边缘问题，本文在前向映射过程中采用了一种深度图不连续区域检测的算法，且在后向映射过程为了节省计算成本仅对必要的像素点集处理，并对alpha融合后的图像进行纹理修复，获得了高质量的视点绘制结果。实验证明，在微软提供的多视点数据集上测试得到PSNR和SSIM指标都优于DIBR标准参考方法的处理结果。视点渲染；深度图；DIBR；多视点裸眼3D电视技术
电子设计工程 2016年15期2016-11-22
- 一种基于局部直方图匹配的深度编码滤波算法
++栾桌摘要：深度图压缩编码会引起深度图失真，进而造成虚拟合成视点图像边缘模糊、缺失甚至前/背景错位，严重影响3D视频质量。利用深度图边缘突出、内部平滑的特性，分析发现其局部累计直方图呈线性分段函数分布的规律。从深度图编码流中提取图像分块大小，建立图像块直方图映射函数，匹配编码失真后的深度图与原始参考深度图的局部累计直方图，校正由深度图编码引起的深度错误，改善深度图质量。实验结果表明，提出的方法不仅能提高深度图主观质量，消除深度图编码边缘模糊现象，而且信噪
软件导刊 2016年9期2016-11-07
- 基于JNDD边界划分的立体视频深度编码
）针对编码后的深度图中边界区域失真导致的虚拟视图质量下降的问题，利用基于恰可察觉深度差异（JNDD）的边界提取方法，将深度图划分为尖锐的边界区域和平滑的非边界区域，并对划分后的区域分配不同的量化参数值进行深度编码．实验结果表明：本文提出的方法能够很好地保留深度图的边缘信息，有效地减轻虚拟视图绘制的失真；同时，绘制的虚拟视图能够保持较高的峰值信噪比（PSNR）和结构相似性测量参数（SSIM）值．虚拟视点合成图；深度失真；立体视频编码随着平面信息技术的日臻成熟
天津大学学报(自然科学与工程技术版) 2016年9期2016-11-03
- 基于纹理平滑度的视点合成失真优化快速算法
D-HEVC中深度图编码采用的视点合成失真优化方法的高复杂度问题，提出一种基于纹理平滑度的快速算法。首先结合帧内DC预测特性和统计学方法分析平坦纹理图中像素规律并设定基于纹理图平坦度的跳过准则；然后在深度图编码采用视点合成失真优化方法时提前分离出纹理图平坦区域所对应的深度图区域，并终止该区域像素基于虚拟视点合成的视点合成失真计算过程。实验结果证明该算法的有效性，能在保持编码质量的同时减少大量编码时间。3D-HEVC；深度图编码；视点合成失真优化；纹理图平坦
通信学报 2016年3期2016-10-14
- 基于可信度的深度图融合三维重建方法
）基于可信度的深度图融合三维重建方法易守林（四川大学计算机学院，成都610065）0 引言三维重建是计算机视觉和图像处理领域中一个重要研究方向，在文物保护、数字娱乐、地形建模等方面具有广泛的应用前景。相比于使用激光扫描，基于图像的三维重建方法使用普通相机和计算机作为设备，具有操作更加方便、成本更低、适用范围更广等优点。基于深度图融合的三维重建是基于图像的三维重建中一个重要的分支[1]，每幅图像可以分别计算深度图，然后再融合成最后的三维模型，精度较高，有利于
现代计算机 2016年4期2016-09-23
- 基于层次遮挡图的软阴影渲染
场景，用于生成深度图和遮挡图；第二个绘制遍是在常规视点下，通过处理之前生成的深度图和遮挡图中的信息进行场景渲染。与传统方法不同的是，本文中的深度图和遮挡图都是多层次结构，即二维纹理数组。这种结构的渲染将场景离散化，深度图中存储深度信息，遮挡图中存储离散化点的阴影因子。1.1计算遮挡区域将视点置于光源处渲染场景时，需要对场景进行离散化处理。多层次深度图和遮挡图就是离散化后的存储结构，两者的结构相同，但是存储的内容不同：深度图中存储每个点的深度信息，遮挡图中存
现代计算机 2016年4期2016-09-23
- 基于视频压缩域的深度图推理算法研究
于视频压缩域的深度图推理算法研究冯杰，马汉杰(浙江理工大学信息学院，杭州 310018)对2D到3D视频转换过程中的深度图推理算法进行了研究。该研究以视频压缩域中的宏块为单位进行深度图推理，根据不同的宏块类型选择不同的推理策略。首先，采用基于邻块的运动估计算法对帧内宏块的运动矢量进行计算；然后，针对帧间宏块，对直接提取出的运动矢量进行滤波处理以提升其鲁棒性；最后，采用运动补偿和上采样双边滤波技术获得深度图。实验结果表明该方法可以获得平滑而可靠的深度图像，并
浙江理工大学学报(自然科学版) 2016年5期2016-09-15
- 3D-HEVC中深度图编码技术研究进展
D-HEVC中深度图编码技术研究进展雷海卫1，刘文怡1，王安红2(1. 中北大学 仪器科学与动态测试教育部重点实验室，山西 太原 030051；2. 太原科技大学 电子信息工程学院，山西 太原 030024)3D-HEVC是为了满足3D视频和自由视点视频的高效编码而最新制定的视频编码标准，它要求同时编码几个视点的纹理视频和深度图。完全采用传统的技术来编码深度图会使得深度图内部锐利边界处产生伪影效应，为此，一些新的针对于深度图的编码工具被开发。详细介绍了这些
电视技术 2016年7期2016-08-22
- 基于二阶微分算子和测地距离的深度图超分辨率重建
子和测地距离的深度图超分辨率重建董文菁胡良梅张旭东杨慧陈仲海(合肥工业大学计算机与信息学院图像信息处理研究室安徽 合肥 230009)摘要针对TOF相机原始获取深度图像分辨率非常低，且超分辨率重建中易出现边缘模糊和伪影的问题，提出一种基于二阶微分算子和测地距离的深度图超分辨率重建算法。以彩色信息作为引导，运用双边滤波的思想，采用测地距离把低分辨率深度图像的空间高斯核与高分辨率彩色图像的幅度高斯核函数结合起来，体现了深度图与彩色图的一致性，并引入深度核函数对
计算机应用与软件 2016年7期2016-08-05
- 基于矩-傅里叶描述子的不同姿态三维人脸识别
态下的三维人脸深度图，先用微分几何相关知识把该图校正到正中面，然后通过提取人脸面部的等高线特征，将三维人脸变成容易处理的二维曲线，针对如何能够更好的描述该二维曲线，提出了一种把矩和傅里叶描述子相结合的新方法，最后利用提取的曲线特征进行人脸识别。实验结果表明，该方法具有很好的实时性和更强大的形状区分能力，鲁棒性高，优于传统傅里叶描述子提取等高线特征的方法。关键词：深度图；矩；傅里叶描述子；人脸识别人脸识别和手纹识别，指纹识别，声音识别等一样，是一种基于生命个
安徽科技学院学报 2016年3期2016-07-25
- 基于双目立体视觉的场景分割方法
得到场景的几何深度图，同时利用左视图进行RGB颜色空间到CIELab均匀颜色空间的转换以得到颜色信息；然后将颜色与几何信息构造生成六维向量；最后再将六维向量给到聚类算法中进行分割并对分割的伪影进行消除，得到最终的分割结果。对Middlebury数据集样本场景baby 2实验了6种立体视觉算法和3种聚类技术的不同组合进行的场景分割，从实验结果来看，不同的组合应用所提方法都比传统方法具有更好的分割效果。关键词：场景分割；立体视觉；聚类；深度图1场景分割场景分割
电视技术 2016年1期2016-06-23
- 基于轮廓的kinect深度图像的空洞填补
的kinect深度图像的空洞填补操宣鹏陈一民*(上海大学计算机工程与科学学院上海 200444)摘要针对Kinect获得深度图噪声的特点，以及现有去噪算法存在的问题，提出一种基于轮廓的自适应非对称高斯滤波方法。该方法针对Kinect能够同时获得深度图像和彩色图像的特点，利用彩色图找到场景中物体的轮廓；在对深度图进行填补时，利用轮廓选取合适的有效点；选取的有效点是非对称的，所以需要改变高斯滤波的对称性；另外，改变高斯滤波的尺度，使其随着被填补区域深度值的变化
计算机应用与软件 2016年5期2016-06-08
- 一种基于深度信息的人头检测方法
提出了一种基于深度图像的人头检测方法。首先通过运动目标检测，得到运动人员所在区域；然后对该区域使用改进的立体匹配算法，该匹配算法对传统的WTA匹配算法进行改进，只对强纹理点进行匹配，对弱纹理点只进行视差验证，并根据三角投影原理计算出深度图。由于深度图中人员与周围场景的深度分布不同，根据深度分布将人头区域提取出来，得到候选区域，最后将候选区域经过形态学运算并根据区域轮廓的特征来判断是否为人头。实验结果表明：该方法在不同光线环境条件下的检测正确率为94%以上，
长春理工大学学报（自然科学版） 2016年2期2016-06-07
- 叠加速度谱在钻孔稀少地区资料解释中的应用
时深转换，制作深度图的精度高，误差小。【关键词】叠加速度；速度谱；时深转换；深度图0 引言目前，煤田勘探中主要使用“钻孔反算求取平均速度进行时深转换”的方法，该方法在构造简单、沉积平稳、钻孔多且分布均匀的地区是可以满足勘探精度要求的。但是在速度横向变化大，钻孔资料少的勘探区，该方法存在一定的困难和局限性，制作的构造图存在较大的误差，难以满足煤田精细解释的要求[1-4]。针对这一问题，前人做过许多的研究与探讨，提出了一些有效的工作方法。本文借助前人的工作经验
科技视界 2016年2期2016-03-30
- 一种基于置信度的深度图融合方法
种基于置信度的深度图融合方法董鹏飞（四川大学计算机学院，成都 610065）在三维重建过程中，由于受到噪声影响，计算出的深度图精度无法保证。针对此问题，提出一种基于置信度的抗噪融合方法。首先对每幅深度图来进行修正，并利用一致性原理来剔除错误点并填补某些空洞。然后通过保留在自身邻域内具有最高置信度的三维点，以删除冗余。最后将深度图反投影到三维空间，采用迭代最小二乘法优化三维点并剔除离群点。通过在测试数据集上与其他算法比较，验证此方法的有效性。多目立体视觉；三
现代计算机 2016年35期2016-02-13
- 视点合成中基于深度的空洞修复
复的方法.通过深度图预处理、图像映射变换、合成深度图修复以及合成视图修复等步骤，实现对空洞区域的填充，得到虚拟视点视图.所提出的深度边缘单向膨胀预处理方法、先修复合成深度图再修复合成视图的策略以及匹配块的预编辑方法，可以提高最终合成视图的质量.实验结果表明：所提出方法在主观视觉对比、峰值信噪比（PSNR）以及运行耗时上优于现有方法，在图像边缘连续性的保持、前景和背景像素渗透现象的消除等方面具有较好的效果.视点合成；空洞修复；深度图修复虚拟视点合成是指用一个
浙江大学学报（工学版） 2015年9期2015-10-24
- 一种深度图失真引入的虚拟视失真估计方法
0072)一种深度图失真引入的虚拟视失真估计方法李春华1,2, 安 平1,3, 张兆扬1,3(1.上海大学通信与信息工程学院,上海 200444; 2.河北科技大学信息科学与工程学院,石家庄 050018; 3.上海大学新型显示技术及应用集成教育部重点实验室,上海 200072)提出了一种深度图失真引入的虚拟视失真估计方法.该方法依据能量一致性假设要求,将深度图宏块划分为平坦宏块和非平坦宏块.平坦宏块使用频域块级方法,非平坦宏块使用时域像素级方法估计由深度
上海大学学报（自然科学版） 2015年4期2015-07-19
- 抑制编码误差扩散的深度图帧内编码*
纹理视频编码和深度图编码.深度图的亮度值表示场景中的物体到摄像机光心的距离，纹理视频的亮度值和色度值表示场景中物体的颜色、轮廓和纹理特性［2］.深度图与纹理视频的特征存在一定的差异性和关联性，故深度图编码与纹理视频编码类似，均采用基于H.264/MVC 的编码标准［3］.目前已有许多深度图的帧内编码方法［4-12］，如文献［4］中提出了一种帧内预测模式，该模式利用边缘图表信息获得任意的边缘形状以达到提高深度图帧内编码效率的目的;文献［5］中利用k-均值方法
华南理工大学学报（自然科学版） 2014年1期2014-08-16
- 深度图实时提取系统中后处理的设计与实现
200437)深度图实时提取系统中后处理的设计与实现李 攀，华艳秋，李火生(上海工程技术大学 高等职业技术学院，上海200437)基于硬件的深度图实时提取系统可实现深度图的实时提取，但由于硬件结构的局限性不能像软件那样实现较复杂的匹配算法，会产生较多误匹配。在深度图实时提取系统上设计和实现深度图后处理功能，先对视差结果进行匹配唯一性检测，再根据需要针对左右视图对应的视差结果分别设计两种左右一致性检测方案，最后利用正确的深度值进行空洞填充。实验表明该设计和实
电视技术 2014年23期2014-07-02
- 基于联合双边滤波的深度图像增强算法
联合双边滤波的深度图像增强算法刘金荣1,2，李淳芃2，欧阳建权1，刘 京2(1. 湘潭大学智能计算与信息处理教育部重点实验室，湖南 湘潭 411105；2. 中国科学院计算技术研究所，北京 100190)主动光设备是目前获取深度图的主要方法，被广泛应用于导航、人机交互、增强现实等领域。但主动光设备存在分辨率低、空洞、边缘不匹配等问题。为此，提出一种基于联合双边滤波的深度图像增强算法。采用基于深度的前景分割方法，找出深度图与彩色图边缘不匹配像素集合，利用基于
计算机工程 2014年3期2014-06-02
- 面向虚拟视点合成的深度图编码
频序列和相应的深度图序列的压缩至关重要。通常, 对不精确的深度图, 视点合成会受到绘制失真的影响, 尤其在目标边缘处更加严重。通常在虚拟视点目标边缘处, 不正确的深度值会导致绘制的相应像素误投影到3D空间中彩色图像坐标的深度平面。对于深度数据的有损压缩(例如H.264/AVC)不可避免地扭曲深度结构, 尤其是含有丰富高频成分的深度边缘[3]。通过分析视频和深度序列的相关性直方图, 可知深度图的结构特征不同于相应视频序列的结构特征[4], 当前的H.264/
吉林大学学报(信息科学版) 2013年2期2013-10-15
- 基于深度图的多视点裸眼3D立体视频技术研究
研究集中在基于深度图的多视点3D立体视频技术上面，本文对基于深度图的多视点裸眼3D立体视频系统的几个关键技术环节，包括深度图提取、虚拟视点合成、多视点视频合成等进行了研究并进行了相应的仿真实验，从实验效果来看，基于深度图的多视点裸眼3D立体视频系统具有数据量小、传输效率高、显示内容可自适应调节，用户交互性好等优点。关键词：裸眼3D立体视频；深度图；3DTV目前3D立体视频技术正引起越来越多人的关注，其中主流的3D技术主要包括双目立体视频（包含2个视点的视频
卷宗 2012年11期2012-10-21
- Kinect深度图像快速修复算法
)Kinect深度图像快速修复算法王 奎1， 安 平1，2， 张兆杨1，2， 程 浩1， 李贺建1(1．上海大学通信与信息工程学院，上海200072;2．新型显示技术及应用集成教育部重点实验室，上海200072)深度提取是基于“纹理+深度”自由立体视频系统的关键技术，而立体视频实际应用系统需要高效快速的深度图提取．提出一种针对Kinect提取深度图的快速修复算法．首先，对Kinect提取的彩色纹理图和深度图进行对齐裁剪，并采用背景填充算法对裁剪后的深度图进
上海大学学报（自然科学版） 2012年5期2012-10-16
- 基于深度分层图的虚拟视点合成方法的研究
视点和该视点的深度图序列组成，在终端可以利用基于深度图的描绘（DIBR）虚拟合成视点，但其主要问题就是不能解决因遮挡问题到导致的空洞问题。最终出现了多视点视频＋深度视频（MVD）的三维立体视频格式［3］，它可以利用DIBR技术合成虚拟视点。基于深度图像描绘是一种基于图像的描绘方法。基于深度图像描绘系统流程如图1所示。该系统由深度图像信息预处理；3D图像变换；空洞填充组成。其中，根据深度图像信息预处理的效果，空洞填充可有可无。图1 DIBR算法流程图相比IB
武汉船舶职业技术学院学报 2012年3期2012-08-01
- 百分比滤波技术的改进和实现
样点的深度值和深度图中的相应Z值作比较，比较的结果是二值化的，导致边缘不可能平滑，如果采用深度值和深度图的均值做比较，虽然能柔化边缘，但是绘制效果将严重偏离物体的几何形状。2 百分比滤波算法百分比滤波算法［3］在SM的基础上调换滤波比较的顺序。首先将采样点的Z值和深度图区域内的点做比较，再将区域比较的二值化结果百分比化，根据百分比值可以判断采样点在阴影中的程度，即半影的值。从而生成边缘平滑的硬阴影或者半影大小固定的软阴影效果。PCF的计算如下:pcf(P)
杭州电子科技大学学报(自然科学版) 2011年6期2011-09-04
- 基于FTV的改进深度估计算法✴
题，提出一种在深度图的时间一致性保持算法，以前一帧的深度图与当前视图的运动信息为约束条件估计当前帧的深度，使得相邻帧的深度图在时间上保持一致。任意视点电视；深度／视差估计；深度图时间一致性；平均亮度-梯度匹配1 引言2002年MPEG会议中提出了任意视点电视（Free View Television，FTV）［1］系统，它能够提供一种全新的、生动的、真实的、交互式［2］的三维视听系统，该系统可广泛应用于广播通信、娱乐、教育、医疗、视频监控等领域。FTV的一
电讯技术 2011年9期2011-06-28