申请/专利权人：北京计算机技术及应用研究所

申请日：2022-07-26

公开（公告）日：2024-03-29

公开（公告）号：CN115115551B

主分类号：G06T5/80

分类号：G06T5/80;G06T7/593;G06V10/44

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2022.10.18#实质审查的生效;2022.09.27#公开

摘要：本发明涉及一种基于卷积字典的视差图修复方法，属于图形图像处理领域。本发明的修复方法的流程为：二维视差图卷积字典学习、M矩阵估计、视差图修复三个步骤。与常用的基于均值滤波的视差图修复方法相比，本发明提出的技术方案能够利用卷积稀疏编码对视差图学习得到的卷积字典进行修复，该修复方法利用卷积字典中提取到的视差图的图像特征，同时根据空洞大小使用多尺度卷积字典进行视差图修复，在这种机制下能够对视差图的空洞进行较为精确的修复。

主权项：1.一种基于卷积字典的视差图修复方法，其特征在于，该方法包括如下步骤：S1、二维视差图卷积字典学习使用视差图数据集中的视差图进行卷积字典学习得到二维视差图卷积字典，其中卷积字典学习算法的表达式为， 包括一个数据项和一个正则化项，求解字典{dk}和稀疏系数{zj,k}，j表示图像的编号，j＝1,…,J，k表示字典d的编号，k＝1,…,K；其中b为训练图像，*为卷积操作，矩阵M用来消除边界影响，其中λ为稀疏正则化约束的惩罚因子；S2、M矩阵估计根据待修复视差图中的空洞位置来确定矩阵M，首先将视差图中视差不为0的像素位置置1，视差为0的像素位置置0，然后通过动态规划的方法得到每个像素为0的位置距离最近的像素不为0的位置的最短距离，进而得到一个空洞程度图，空洞程度图中的值的大小为视差空洞距离有视差位置像素的远近的空洞程度图，对空洞程度图中的像素值进行设置获得视差图修复的M矩阵；S3、视差图修复使用卷积字典对待修复视差图进行卷积稀疏编码，公式为， 固定字典D来求解稀疏系数z，通过增广拉格朗日方法来进行迭代求解，最终字典D和稀疏系数z的卷积即为修复之后的视差图；其中，定义字典矩阵为包含向量化的字典{dk}，稀疏向量表示为包含稀疏系数{zj,k}，M1,…,MJ相同，均为公式1中的M，包含训练图像{bj}。

全文数据：

权利要求：

百度查询： 北京计算机技术及应用研究所 一种基于卷积字典的视差图修复方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD