[发明专利]通过机器学习技术改进2D至3D的自动转换质量的方法

权利要求书

1.一种通过机器学习技术改进2D至3D的自动转换质量的方法，其中，所述的方法包括：

根据用户输入的多个图像数据生成对象集K＝{k₁,k₂,…,k_N}，其中，因素k_N为所述对象集K中的对象数据；N为因素k_N的个数；具体包括：

步骤a：接收用户输入的多对基准2D图像及其深度图像；

步骤b：针对所述基准2D图像，为2D至3D的转换创建多个图层；

步骤c：获取用户对每一所述图层中多个对象所做的标签，并为每一所述图层赋值深度值；

步骤d：将包含所述标签、深度值及对象的数据组合创建为所述基准2D图像的所述对象数据；对于每一基准2D图像，重复所述步骤a至步骤d，以根据多个基准2D图像的所述对象数据创建所述对象集K，所述对象集K中的因素表示所述对象集K中的各个所述对象；

确定所述对象集K中各对象之间的关系指标；

将所述对象集K及关系指标存储至一数据库；

接收用户输入的新的2D图像；

通过机器学习算法识别所述新的2D图像中的多个对象；

根据所述对象的特征确定各所述对象的层次关系；

根据所述层次关系改进3D图像的质量。

2.根据权利要求1所述的通过机器学习技术改进2D至3D的自动转换质量的方法，其中，确定所述对象集K中各对象之间的关系指标，具体包括：

分析每对所述基准2D图像及其深度图像，并通过数据转换和图案识别学习所述基准2D图像及其深度图像之间的映射关系；对于所述对象集K中的每个所述对象，使用条件概率计算各所述对象之间的关系，生成所述关系指标；

所述关系指标为P(k_j|k_i+n…k_i+2k_i+1k_i)，其中，i＝1,2,…,N且j不等于i。

3.根据权利要求2所述的通过机器学习技术改进2D至3D的自动转换质量的方法，其中，根据所述对象的特征确定各所述对象的层次关系，具体包括：

判断两所述对象之间的所述关系指标是否小于一阈值；

当所述关系指标小于或等于所述阈值时，则判定两所述对象之间属于同一深度等级；

当所述关系指标大于所述阈值时，则判定两所述对象之间不属于同一深度等级，并进一步根据两所述对象的深度值判定两所述对象的深度等级的大小。

4.根据权利要求1所述的通过机器学习技术改进2D至3D的自动转换质量的方法，其中，根据所述对象的特征确定各所述对象的层次关系，具体包括：

通过机器学习算法基于所述数据库判断所述新的2D图像中各所述对象的完整性；

根据各所述对象的完整性判定各所述对象是否属于同一深度等级。

5.根据权利要求4所述的通过机器学习技术改进2D至3D的自动转换质量的方法，其中，根据各所述对象的完整性判定各所述对象是否属于同一深度等级，具体包括：

若两所述对象的完整性并不一致，则判定两所述对象不属于同一深度等级，且完整的对象位于不完整的对象之前；

若两所述对象的完整性一致，则进一步根据两所述对象的深度值判定两所述对象的深度等级的大小。

6.根据权利要求3或5所述的通过机器学习技术改进2D至3D的自动转换质量的方法，其中，根据所述层次关系改进3D图像的质量，具体包括：

根据所述新的2D图像中的对象创建一数据集A＝{a₁,a₂,…,a_n}，其中，所述数据集A为所述对象集K的子集，a_n为所述新的2D图像中识别的对象；n为在所述新的2D图像中识别的对象的个数；

在所述数据集A中，将其中一所述对象定义为主要对象；

在一预设的检索距离β内，检索所述主要对象周围的多个第一对象，其中，所述多个第一对象与所述主要对象属于同一深度等级；

使用预测函数创建并调整所述新的2D图像的深度图像；

根据所述新的2D图像及调整后的深度图像生成3D图像。

7.根据权利要求6所述的通过机器学习技术改进2D至3D的自动转换质量的方法，其中，所述的预测函数具体执行以下步骤：

创建所述新的2D图像的深度图像；

确定所述深度图像中每个对象的深度值质量的中心，并表示为集合C{c₁,c₂,…,c_n}；

通过以下公式分别计算各所述第一对象与所述主要对象之间的空间距离：

其中，a_i为所述主要对象；a_j为所述第一对象；和是集合C中的因素，该集合C中存储有所有的数据集A中的因素的深度值质量的中心；指数i不等于j；以及

通过以下公式调整所述深度图像的深度值：

Depth_new＝Depth_old+SpatialDistance，其中，Depth_old为所述深度图像的原始深度值；Depth_new为所述深度图像调整后的深度值。