[发明专利]一种深度图恢复方法

摘要

本发明公开了一种深度图恢复方法，包括如下步骤A1由相当大数量的各类物体的深度图构成训练集；A2建立卷积神经网络(CNN)，采取核分离方法，获得隐藏层的参数，建立卷积网络结构，利用训练集中的深度图训练网络结构、调整网络权重；A3在CNN的输出层，针对可能的结果建立自回归(AR，auto‑regression)模型，并建立评价指标；A4将深度传感器获得的原始深度图输入CNN中，通过去噪、分类后，由AR模型恢复，通过评价指标检测，若不合要求则将结果图输入A2中，直到得到高质量深度图或终止循环。本发明采用了深度卷积网络来恢复从深度传感器获得的低分辨率、低信噪比的图像。利用本发明能够显著提高深度图的质量，同时也简化了获得深度图的方法。

主权项

一种深度图恢复方法，其特征在于，所述方法包括：A1：由各类物体的深度图构成训练集；A2：建立卷积神经网络，采取核分离方法，获得隐藏层的参数，建立卷积网络结构，利用训练集中的深度图训练网络结构、调整网络权重；A3：在卷积神经网络的输出层，针对所述输出层输出的结果建立自回归模型，并建立评价指标；A4：将深度传感器获得的原始深度图输入卷积神经网络中，通过去噪、分类后，由自回归模型恢复，通过评价指标检测，若不合要求则将结果图输入A2中，直到得到高质量深度图或终止循环；其中，在经过参数设计并且训练的卷积神经网络结构后，得到进行过矫正和去噪的深度图并且将其分类为最主要的四种退化模型中的一种，再选择相应的设计好参数的自回归模型进行深度恢复处理；所述四种退化模型为：由于下采样而造成的退化对应的模型、随机深度信息丢失造成的退化对应的模型、结构深度信息丢失造成的退化对应的模型、附加噪点导致的深度图退化对应的模型。