一种基于字典学习的深度图像超分辨率重建方法

• 作者: 上官宏 李思晗 王安红 肖方生
• 来源期刊: 电子工艺技术
• 学科: 工学
• 关键词: 深度图像 字典学习 超分辨率重建
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 新工艺新技术
• 页码范围: 163-167
• 页数: 5页
• 分类号: TP391
• 字数: 3794字
• 语种: 中文
• DOI: 10.14176/j.issn.1001-3474.2018.03.012

摘要

随着深度图像获取技术的快速发展,深度信息(拍摄物与成像平面的距离)已广泛应用在人机交互、虚拟现实和三维重建等领域.然而,由于成像分辨率低和成像质量差等因素影响,传统深度相机(如TOF,Time-of-flight)无法很好满足实际应用需求.研究深度图像的超分辨率重构问题,旨在提高深度图像的分辨率与质量,提出一种基于字典学习的深度图像超分辨率重建方法,首先从样本中获取先验信息,采用学习策略对低分辨率图像进行初始深度重建;然后获得足够的边缘信息,利用边缘信息对初始重建图像进行联合重建,最终获得高分辨率深度图像.实验结果表明,相比传统方法,本文方法能够取得更好的深度图像超分辨重建效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王安红		31	28	3.0	4.0
2	上官宏		6	2	1.0	1.0
3	肖方生	中国电子科技集团公司第二研究所	3	3	1.0	1.0
4	李思晗		1	1	1.0	1.0