[发明专利]基于改进的联合三边滤波器的深度图像超分辨重建方法

说明书

基于改进的联合三边滤波器的深度图像超分辨重建方法。包括：使用双三次插值算子以不同的采样因子对低分辨率测试图像插值放大，分别提取插值后的图像和低分辨测试图像的边缘图像，得到边缘图像金字塔；从图像金字塔中提取图像块，构成训练数据集；使用K‑SVD算法对训练数据集中的图像块进行学习，得到过完备字典；使用双三次插值算法将低分辨率测试图像放大到目标尺寸，使用冲击滤波对插值图像的锯齿边缘进行平滑处理，并提取处理后的图像的边缘；通过字典中的原子对处理后的边缘图像进行稀疏表示，得到高质量的边缘图像；在高质量边缘引导下，对低分辨率测试图像进行改进的联合三边滤波插值重建，得到高分辨率深度图像。

技术领域

本发明属于计算机视觉和图像处理领域，尤其涉及一种深度图像超分辨重建的方法。

背景技术

深度图像主要是用于记录场景中的物体到相机之间的距离信息，这些信息对机器人导航、增强现实、人体姿态估计等方面的应用和实现都至关重要。近年来，一些深度相机凭借其低成本和实时有效性受到了广泛的使用，如Kinect 和PMD(Photonic MixerDevice)相机。但是，由于深度相机内部硬件系统的限制和外部环境的影响，导致直接获取的深度图像的分辨率有限，以至于不能满足一些方面的应用。若通过改善硬件系统来提高图像分辨率，成本较高并且难于实现，因此利用信号处理技术的深度图像超分辨重建的方法应运而生。

深度图像超分辨技术的主要目的是提高图像的分辨率，然而该问题是一个病态问题，一幅低分辨率的图像可能对应多幅高分辨率的图像。所以，这时提前获取一些先验信息对于深度图像的超分辨重建过程是相当重要的。根据先验信息来源的不同，当前深度图像超分辨重建的方法主要可以分为两类：基于示例学习的深度图像超分辨方法和基于彩色图像引导的深度图像超分辨方法。基于示例学习的深度图像超分辨方法是通过从外部大量数据集中学习一些先验信息，进而用于指导低分辨率深度图像的重建。而基于彩色图像的引导的方法是参考与低分辨率深度图像高配准的彩色图像中的高频信息，进而引导深度图像超分辨重建。

这两类方法都可以成功有效地提高深度图像的分辨率，但也存在一定的不足。基于示例学习的方法需要凭经验选取合适的外部数据集，并且对外部数据集有较强的依赖性；基于彩色图像引导的方法需要提前获取与低分辨率深度图像高度配准的彩色图像，若没有高配准的彩色图像该方法无法进行。所以，为了适应各方面实时应用的需求，现有方法中存在的一些不足，亟需被解决，使能够简单有效地提高深度图像的分辨率。

发明内容

本发明的目的在于针对现有的一些深度图像超分辨方法对外部数据有较强的依赖和重建图像边缘锯齿或伪影的现象，提出一种基于改进的联合三边滤波器的深度图像超分辨重建的方法。该方法可以避免对外部数据集的依赖，并且可以有效地保持边缘信息的锐利性。

本发明为解决上述技术问题提供一种基于改进的联合三边滤波器的深度图像超分辨重建方法，该方法包括以下步骤：

S1：使用双三次插值算子以不同的采样因子对低分辨率测试图像插值放大，分别提取插值后的图像和低分辨测试图像的边缘图像，得到一个边缘图像金字塔；

S2：从图像金字塔中提取图像块，构成训练数据集；

S3：使用K-SVD算法对训练数据集中的图像块进行学习，进而得到过完备字典；

S4：使用双三次插值算法将低分辨率测试图像放大到目标尺寸，使用冲击滤波对插值图像的锯齿边缘进行处理，并提取处理后的图像的边缘；

S5：通过字典中的原子对处理后的边缘图像进行稀疏表示，得到高质量的边缘图像；

S6：在高质量边缘引导下，对低分辨率测试图像进行联合三边滤波插值重建，从而得到高分辨率深度图像。

与现有的技术相比，本发明取得了如下的有益技术效果：

1)本发明不需要对外部数据集复杂的选取过程，避免了对外部数据集的依赖；