基于双通道卷积神经网络的深度图超分辨研究

• 作者: 李素梅 范如 雷国庆
• 来源期刊: 光学学报
• 学科: 工学
• 关键词: 图像处理 超分辨率 深度图 卷积神经网络 残差网络
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 图像处理
• 页码范围: 128-134
• 页数: 7页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3788/AOS201838.1010002

摘要

目前直接获取的深度图受其成像原理及硬件设备等因素的限制,存在分辨率低、边缘信息丢失等缺点,极大地影响了深度图的应用.针对这一问题,提出基于双通道卷积神经网络的深度图超分辨率重建模型.该模型由深、浅两个通道组成,21层的深层通道通过联合卷积与反卷积,结合跳跃连接与多尺度理论,实现深度图细节特征的快速学习;3层的浅层通道用于学习深度图的轮廓特征;最后融合深、浅两个通道,将细节与轮廓相结合,实现由低分辨率深度图到高分辨率深度图的端到端的学习.该模型充分利用卷积神经网络的学习能力自主提取深度图的有效特征,避免了手工提取特征的不准确性.在Middlebury RGBD数据集上的实验结果表明,本文模型在大采样因子8时仍能取得较好的效果,具有很高的实际应用价值.