發(fā)布時間：2021-07-27 16:54

　　光場相機獲取的四維光場信息可用于場景深度估計,但是大多深度估計算法獲得的深度圖存在邊緣模糊、精度有限等問題。因此,結(jié)合引導濾波器邊緣保持局部平滑特性,提出基于紋理信息引導的光場深度圖優(yōu)化算法。該算法以紋理信息豐富的光場中心孔徑圖像作為引導圖像,建立了基于多評價函數(shù)的混合引導濾波參數(shù)尋優(yōu)模型,以獲得合理濾波器參數(shù)實現(xiàn)深度圖引導濾波優(yōu)化。實驗結(jié)果表明,優(yōu)化后的深度圖邊緣的視覺效果明顯改善,與散焦結(jié)合相關性評價算法獲得的原始深度圖相比,均方誤差平均降低1.12%。 

【文章來源】：電視技術. 2020,44(07)

【文章頁數(shù)】：5 頁

【部分圖文】：

引導濾波參數(shù)優(yōu)化

圖1 引導濾波參數(shù)優(yōu)化固定ε=10-4，濾波器的窗口半徑r從1變到10，獲得的深度圖的歸一化PSNR、MSE、BP、ARE和Thining的值隨r的變化如圖1(a）所示；固定r=5，ε從初值10-7以指數(shù)形式遞增，獲得的深度圖的歸一化PSNR、MSE、BP、ARE和Thining的值隨ε的變化如圖1(b）所示。從圖1(a）可以看出，隨著r的增大，PSNR曲線呈上升趨勢，反映圖像質(zhì)量變好；MSE、BP曲線呈下降趨勢，反映圖像質(zhì)量變好；ARE、Thining曲線呈上升趨勢；反映圖像質(zhì)量變差。

為了證明基于紋理信息引導的光場深度圖優(yōu)化算法的有效性，采用具有標準深度圖的HCI光場數(shù)據(jù)集中的“cotton”和“dino”場景作為測試對象[8]，將散焦結(jié)合相關性深度獲�。―epth from Combining Defocus and Correspondence,DCDC）算法[2]獲取的深度圖作為待優(yōu)化深度圖，采用所提算法對其進行優(yōu)化，優(yōu)化效果對比如圖2和圖3所示。其中，圖2(a）、圖3(a）分別為“cotton”和“dino”光場原圖，圖2(b）、圖3(b）為對應的標準深度圖，圖2(c）、圖3(c）為DCDC算法獲得的深度圖，圖2(d）、圖3(d）為采用本文算法優(yōu)化后的深度圖。截取圖2的一個局部區(qū)域進行放大，如圖中的矩形虛線框所框位置。該區(qū)域位于石像頭部右側(cè)，是前景與背景的交界處，且頭發(fā)與額頭存在深度差。采用DCDC算法得到的深度圖在該區(qū)域邊緣模糊，且丟失了頭發(fā)與額頭的深度層次。本文提取攜帶4D光場紋理信息的子孔徑圖像作為引導圖像，設置r=5、ε=10-4，對DCDC算法得到的深度圖進行引導濾波優(yōu)化。優(yōu)化后的深度圖邊緣信息更加清晰，且頭發(fā)與額頭間的深度層次感更強，視覺效果與真實深度圖更加接近。


本文編號：3306175