典型文献
双尺度顺序填充的深度图像修复
文献摘要：
目的 深度图像作为一种重要的视觉感知数据,其质量对于3维视觉系统至关重要.由于传统方法获取的深度图像大多有使用场景的限制,容易受到噪声和环境影响,导致深度图像缺失部分深度信息,使得修复深度图像仍然是一个值得研究并有待解决的问题.对此,本文提出一种用于深度图像修复的双尺度顺序填充框架.方法 首先,提出基于条件熵快速逼近的填充优先级估计算法.其次,采用最大似然估计实现缺失深度值的最优预测.最后,在像素和超像素两个尺度上对修复结果进行整合,准确实现了深度图像孔洞填充.结果 本文方法在主流数据集MB(Middlebury)上与7种方法进行比较,平均峰值信噪比(peak signal-to-noise ratio,PSNR)和平均结构相似性指数(structural similarity index,SSIM)分别为47.955 dB和0.9982;在手工填充的数据集MB+中,本文方法的PSNR平均值为34.697 dB,SSIM平均值为0.9785,对比其他算法,本文深度修复效果有较大优势.在时间效率对比实验中,本文方法也表现优异,具有较高的效率.在消融实验部分,对本文提出的填充优先级估计、深度值预测和双尺度改进分别进行评估,验证了本文创新点的有效性.结论 实验结果表明,本文方法在鲁棒性、精确度和效率方面相较于现有方法具有比较明显的优势.
文献关键词：
深度图像修复;顺序填充;条件熵快速逼近;深度最优预测;超像素
中图分类号：
作者姓名：
陈东岳;朱晓明;马腾;宋园园;贾同
作者机构：
东北大学信息科学与工程学院,沈阳 110819
文献出处：
引用格式：
[1]陈东岳;朱晓明;马腾;宋园园;贾同-.双尺度顺序填充的深度图像修复)[J].中国图象图形学报,2022(08):2344-2355
A类：
顺序填充,条件熵快速逼近,MB+,深度最优预测
B类：
双尺度,深度图像修复,视觉感知,感知数据,视觉系统,使用场景,深度信息,优先级,估计算法,最大似然估计,深度值,超像素,孔洞,流数据,Middlebury,峰值信噪比,peak,signal,noise,ratio,PSNR,结构相似性指数,structural,similarity,SSIM,dB,深度修复,修复效果,时间效率,效率对比,消融实验,创新点
AB值：
0.259363
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
