[发明专利]一种基于深度学习的立体图像修复方法在审
| 申请号： | 201910971537.5 | 申请日： | 2019-10-12 |
| 公开（公告）号： | CN110766623A | 公开（公告）日： | 2020-02-07 |
| 发明（设计）人： | 马伟;郑玛娜 | 申请（专利权）人： | 北京工业大学 |
| 主分类号： | G06T5/00 | 分类号： | G06T5/00;G06T5/50;G06T15/00 |
| 代理公司： | 11203 北京思海天达知识产权代理有限公司 | 代理人： | 张慧 |
| 地址： | 100124 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于深度学习的立体图像修复方法，核心为一个基于局部自适应和视觉一致性的深度神经网络模型。该模型由编码器和解码器模块、融合模块、鉴别器模块和视差模块组成。本发明对于左右视图而言能够修复任意大小任意位置的区域，有效地提升应用价值，增强图像修复的普适性。与现有技术相比，本发明具有以下优点：1)依据两幅视图的特征图相互补充来融合彼此可以借鉴的部分，不仅能够参考本视图残存区域的特征还能够借鉴另一幅视图的内容。同时，利用视差线索约束立体图像对的立体一致性，不会造成眩晕感；2)修复完成的立体图像对在纹理和细节方面更加逼真，更加符合人眼视觉感知。 | ||
| 搜索关键词： | 立体图像 修复 神经网络模型 鉴别器模块 解码器模块 人眼视觉 融合模块 视差模块 增强图像 纹理 编码器 普适性 特征图 眩晕感 有效地 自适应 视差 感知 视觉 参考 线索 融合 补充 应用 学习 | ||
【主权项】：
1.一种基于深度学习的立体图像修复方法，其特征在于：包括以下模块：/n1)编码器和解码器模块，给定一对立体图像，通过编码器和解码器模块得到相应特征矩阵；/n2)融合模块，用于对特征矩阵表达的左右图进行处理使左右特征图能够充分融合；/n3)鉴别器模块，包括全局鉴别器和局部鉴别器，其中全局鉴别器鉴别修复完成整张图的真假，局部鉴别器鉴别包含修复区域的局部区域的真假；/n4)视差模块，用于求取修复完成的立体图像的视差图，并用真值视差图监督求取的视差图；通过专用的视差损失函数来提高立体一致性；/n采用本发明进行立体图像修复的步骤如下：/nS1.输入一对标记修复区域A*A的立体图像对，经过左右各自的编码器得到左右视图的特征图；/nS2.左右视图的特征图经特征融合模块相互补充本视图的特征图，融合好的左右视图特征图分别经过各自的解码模块得到初步的左右完成图；/nS3.引入全局和局部鉴别器来增加细节信息，其中局部鉴别器鉴别的是包含修复区域的B*B的区域；/nS4.将初步的左右完成图输入视差网络得到视差图，利用视差图进一步约束左右完成图，得到更加精细的左右视图修复完成图。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京工业大学，未经北京工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910971537.5/，转载请声明来源钻瓜专利网。
