作者:
原文服务方: 计算机应用研究       
摘要:
针对传统单幅图像深度估计线索不足及深度估计精度不准的问题,提出一种基于非参数化采样的单幅图像深度估计方法.该方法利用非参数化的学习手段,将现有RGBD数据集中的深度信息迁移到输入图像中去.首先计算输入图像和现有RGBD数据集多尺度的高层次图像特征;然后在现有RGBD数据集中,基于高层次的图像特征通过KNN最近邻搜索找到若干与输入图像特征最匹配的候选图像,并将这些候选图像通过SIFT流形变到输入图像进行对齐;最后对候选深度图进行插值和平滑等优化操作,便可以得到最后的深度图.实验结果表明,与现有算法相比,该方法估计得到的深度图精度更高,对输入图像的整体结构保持得更好.
推荐文章
基于内容理解的单幅静态街景图像深度估计
特征提取
景物分类
小孔成像模型
深度估计
基于姿态估计的单幅图像三维人脸重建
人脸三维重建
姿态估计
深度信息恢复
单幅图像
基于非均匀采样的空间谱估计
非均匀采样
空间谱估计
虚拟阵列变换
角度模糊
基于特征稀疏化的粉尘图像深度预测
粉尘图像
稀疏深度样本
深度预测
颜色衰减先验
残差网络
稀疏卷积
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于非参数化采样的单幅图像深度估计
来源期刊 计算机应用研究 学科
关键词 单幅图像 深度估计 非参数化采样 RGBD数据集
年,卷(期) 2017,(6) 所属期刊栏目 图形图像技术
研究方向 页码范围 1876-1880
页数 5页 分类号 TP391.41
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2017.06.063
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 朱尧 武汉大学计算机学院 1 8 1.0 1.0
2 喻秋 武汉大学计算机学院 1 8 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (5)
共引文献  (3)
参考文献  (5)
节点文献
引证文献  (8)
同被引文献  (21)
二级引证文献  (1)
1959(1)
  • 参考文献(0)
  • 二级参考文献(1)
1984(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(2)
  • 引证文献(1)
  • 二级引证文献(1)
2019(5)
  • 引证文献(5)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
单幅图像
深度估计
非参数化采样
RGBD数据集
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
论文1v1指导