基于深度学习的深度图超分辨率采样

被引：4

作者：

王晓晖

盛斌

申瑞民

机构：

[1] 上海交通大学计算机科学与工程系

来源：

计算机工程 | 2017年 / 43卷 / 11期

关键词：

深度超分辨率; 上采样; 滤波; 深度学习; 卷积神经网络; 立体视觉;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; TP391.41 [];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 080203 ;

摘要：

在深度图像采集场景下,为利用场景高分辨色彩图进行超分辨率上采样,提出一种采用卷积神经网络自适应学习局部滤波器核的算法,通过同时应用稠密/高分辨率颜色信息和稀疏/低分辨率深度信息全面提取场景信息。在Middlebury和ToFMark数据集上的实验结果表明,与传统深度超分辨率算法相比,提出的算法能够取得较好的超分辨率结果,尤其在颜色和深度的边缘、纹理不匹配区域,具有更好的鲁棒性。

引用

页码：252 / 260

页数：9

共 9 条

[1] 基于稀疏表示的快速图像超分辨率算法
曹翔
陈秀宏
潘荣华
[J]. 计算机工程, 2015, 41 (06) : 211 - 215+220
[2] 基于彩色图像局部结构特征的深度图超分辨率算法
杨宇翔
汪增福
[J]. 模式识别与人工智能, 2013, 26 (05) : 454 - 459
[3] 基于图像块分类稀疏表示的超分辨率重构算法
练秋生
张伟
[J]. 电子学报, 2012, 40 (05) : 920 - 925
[4] Real-Time Human Pose Recognition in Parts from Single Depth Images
Shotton, Jamie
Sharp, Toby
Kipman, Alex
Fitzgibbon, Andrew
Finocchio, Mark
Blake, Andrew
Cook, Mat
Moore, Richard
[J]. COMMUNICATIONS OF THE ACM, 2013, 56 (01) : 116 - 124
[5] Joint bilateral upsampling
Kopf, Johannes
Cohen, Michael F.
Lischinski, Dani
Uyttendaele, Matt
[J]. ACM TRANSACTIONS ON GRAPHICS, 2007, 26 (03):
[6] Digital photography with flash and no-flash image pairs
Petschnigg, G
Agrawala, M
Hoppe, H
Szeliski, R
Cohen, M
Toyama, K
[J]. ACM TRANSACTIONS ON GRAPHICS, 2004, 23 (03): : 664 - 672
[7] Learning low-level vision
Freeman, WT
Pasztor, EC
Carmichael, OT
[J]. INTERNATIONAL JOURNAL OF COMPUTER VISION, 2000, 40 (01) : 25 - 47
[8] Backpropagation Applied to Handwritten Zip Code Recognition
LeCun, Y.
Boser, B.
Denker, J. S.
Henderson, D.
Howard, R. E.
Hubbard, W.
Jackel, L. D.
[J]. NEURAL COMPUTATION, 1989, 1 (04) : 541 - 551
[9] Imagenet: A large-scale hierarchical image database .2 Deng J,Dong W,Socher R,et al. IEEE Conference on Computer Vision and Pattern Recognition (CVPR) . 2009

← 1 →