融合两种深度线索的光场图像深度估计方法

• 作者: 王亚飞 苏钰生
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 光场 深度估计 极平面图 视差 散焦 卷积神经网络
• 年，卷（期）: 2020,（15）
• 所属期刊栏目: 图形图像处理
• 页码范围: 199-207
• 页数: 9页
• 分类号: TP391
• 字数: 4798字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1906-0400

摘要

针对传统的光场深度估计算法采用单一的深度线索进行深度估计,导致估计结果精度较低的问题,,提出了一种融合视差和散焦量两种深度线索的光场深度估计的方法.该方法首先进行深度线索的构建,将输入的光场图片转化为EPI Volume和Refocus Volume结构,通过卷积神经网络将EPI特征和散焦特征转化为深度信息,为了克服训练数据不足,采用色彩变换、缩放和随机灰度化等方式进行数据扩容.最终在HCI 4D光场标准数据集上的对比测试结果表明,该方法在均方误差和坏像素率上优于传统算法,且在执行时间上也具有很大优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王亚飞	北京信息科技大学信息与通信工程学院	46	105	5.0	8.0
2	苏钰生	北京信息科技大学信息与通信工程学院	2	0	0.0	0.0