基于超像素分割的单幅散焦图像深度恢复方法

• 作者: 王文剑 薛松
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 深度估计 散焦模糊量 超像素分割
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 1162-1168
• 页数: 7页
• 分类号: TP391.4
• 字数: 4762字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1705042

摘要

现有的单幅散焦图像深度恢复算法大多存在算法复杂,对图像边缘、复杂纹理及阴影区域恢复效果差等问题.提出一种基于超像素分割的单幅散焦图像的深度恢复方法.首先将原始图像分割成若干超像素模块,然后根据图像中边缘处像素的散焦模糊量求得各超像素模块的散焦模糊量,以获得超像素级别的稀疏深度图,再对所求出的稀疏深度图进行优化处理,最后恢复出真实准确的全景深度图.该算法不仅可以将误差降低到最小,而且可以简化边缘散焦模糊量向全局扩展的过程.在真实数据上的仿真实验表明,该方法不仅耗时短,而且可以有效改进边缘不明显、纹理复杂以及存在阴影区域的深度恢复效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王文剑	山西大学计算智能与中文信息处理教育部重点实验室	97	798	14.0	23.0
2	薛松	山西大学计算机与信息技术学院	2	6	2.0	2.0