-
公开(公告)号：CN105551050A
公开(公告)日：2016-05-04
申请号：CN201511019609.4
申请日：2015-12-29
申请人： 深圳市未来媒体技术研究院 , 清华大学深圳研究生院
IPC分类号： G06T7/00
摘要： 本发明涉及一种新的基于光场的图像深度估计方法。这种方法主要由三个重要部分组成：光场原始数据视点提取方法、基于块匹配的深度估计算法和基于显著特征约束的深度优化算法。所提出的光场原始数据视点提取方法，对未经去马赛克的光场数据进行视点分离；所采用的基于块匹配的深度估计算法仅对与中心视点处于同一行或同一列的视点对上并且记录相同光线颜色的对应块进行相似性度量；为优化深度估计结果，本发明提出基于显著特征约束的深度优化算法，提取显著特征点并进行匹配，将显著特征点的视差作为强约束条件。本发明的方法避免了插值过程引起的视点混淆，提升了深度估计准确性。
-
公开(公告)号：CN107292918B
公开(公告)日：2020-06-19
申请号：CN201610931660.0
申请日：2016-10-31
申请人： 清华大学深圳研究生院 , 深圳市环球数码科技有限公司
摘要： 本发明提供一种基于视频在线学习的跟踪方法和装置，该方法包括步骤：A1.经初始化后，将视频帧送入检测模块，由检测模块检测运动目标，产生样本，生成样本集；同时，跟踪模块和检测模块并行进行，跟踪模块估计运动目标出现的坐标，生成运动轨迹；其中，跟踪模块包括MOSSE滤波器；A2.将样本集和运动轨迹输入P‑N学习模块，由P‑N学习模块进行评估和校正，把置信度最高的记为正样本，其余作为负样本，生成训练数据；A3.P‑N学习模块评估得到当前帧运动目标出现的最可信的一个位置，作为跟踪的结果进行跟踪；同时P‑N学习模块利用生成的正负样本和新坐标，反作用于跟踪模块和检测模块，更新检测模块的样本集和跟踪模块的滤波模型。通过采用MOSSE滤波器，提高了处理速度和运算效率，且减少了光照变化等引发跟踪失败的几率，更具有鲁棒性。
-
公开(公告)号：CN105023249B
公开(公告)日：2017-11-17
申请号：CN201510366055.9
申请日：2015-06-26
申请人： 清华大学深圳研究生院
IPC分类号： G06T5/00
摘要： 一种基于光场的高光图像修复方法及装置，该方法包括：深度估计步骤，联合散焦和立体视点匹配进行光场图像深度估计；高光检测步骤，基于对角多视点颜色空间投影差异进行高光检测；以及高光去除步骤，从深度估计结果中获取检测到的高光点对应的深度值，重聚焦找到高光点对应的宏像素，按亮度强弱将该宏像素中的像素聚为两类，用双色反射模型对该两类构建方程组求解后得到高光点的镜面反射分量，去除该镜面反射分量，实现高光去除。该装置包括实现上述步骤的深度估计模块、高光检测模块以及高光去除模块。其能准确地识别高光像素，复原结果更具有真实性和鲁棒性。
-
公开(公告)号：CN107292918A
公开(公告)日：2017-10-24
申请号：CN201610931660.0
申请日：2016-10-31
申请人： 清华大学深圳研究生院 , 深圳市环球数码科技有限公司
摘要： 本发明提供一种基于视频在线学习的跟踪方法和装置，该方法包括步骤：A1.经初始化后，将视频帧送入检测模块，由检测模块检测运动目标，产生样本，生成样本集；同时，跟踪模块和检测模块并行进行，跟踪模块估计运动目标出现的坐标，生成运动轨迹；其中，跟踪模块包括MOSSE滤波器；A2.将样本集和运动轨迹输入P-N学习模块，由P-N学习模块进行评估和校正，把置信度最高的记为正样本，其余作为负样本，生成训练数据；A3.P-N学习模块评估得到当前帧运动目标出现的最可信的一个位置，作为跟踪的结果进行跟踪；同时P-N学习模块利用生成的正负样本和新坐标，反作用于跟踪模块和检测模块，更新检测模块的样本集和跟踪模块的滤波模型。通过采用MOSSE滤波器，提高了处理速度和运算效率，且减少了光照变化等引发跟踪失败的几率，更具有鲁棒性。
-
公开(公告)号：CN104050662B
公开(公告)日：2017-04-12
申请号：CN201410238723.5
申请日：2014-05-30
申请人： 清华大学深圳研究生院
摘要： 一种利用光场相机一次成像直接获取深度图的方法，包括步骤：1).在传统相机内部成像光路中嵌入微透镜阵列构成光场相机；2).对微透镜阵列与图像传感器的相对位置进行标定；3).利用光场相机采集目标景物的原始数据，提取微透镜阵列中每个微透镜下的子图像，并计算其灰度图；4).计算每个微透镜下子图像与毗连微透镜下子图像的相似度，分别以每一个微透镜作为目标透镜，并选择其周围的多个毗连透镜，分别建立目标模板和毗连模板，使用SAD算法计算目标模板与毗连模板的相似度，获得最小SAD值；5).步骤4)获得的对应于每个微透镜下子图像的最小SAD值，构成尺寸为微透镜阵列中微透镜个数的数值矩阵，对该矩阵中的元素进行归一化取整即得深度图。本发明解决了现有深度图获取技术中存在的系统过于复杂以及计算复杂度高的问题，获取图像相似度高，获得深度图更精确。
-
公开(公告)号：CN104935909B
公开(公告)日：2017-02-22
申请号：CN201510246267.3
申请日：2015-05-14
申请人： 清华大学深圳研究生院
IPC分类号： H04N13/00
摘要： 本发明公开了一种基于深度信息的多幅图超分辨方法，包括以下步骤：a.获取一组同一场景、不同参考视点的低分辨率图像以及对应的一组同等分辨率的深度图；b.利用深度信息确定每个参考视点的图像中的每个像素投影到指定视点位置的视差大小，从而得到该像素在指定视点的位置；c.将参考视点的低分辨率图像投影至指定视点，将每幅图像中的信息融合在一起，得到一幅高分辨率图像。本发明的方法可代替以往超分辨技术中对应的图像配准方法，超分辨效果更好，本发明的方法简单、实用，具有很强的普适性。
-
公开(公告)号：CN105225202A
公开(公告)日：2016-01-06
申请号：CN201510611198.1
申请日：2015-09-23
申请人： 清华大学深圳研究生院
IPC分类号： G06T3/40
CPC分类号： G06T3/4061
摘要： 本发明提供一种基于FPM算法的图像超分辨率重建的方法，包括如下步骤：(1)控制LED阵列中不同的LED逐点发光产生不同角度的光照，用FPM平台的成像装置选择当前发光的LED对应的曝光时间采集得到不同角度的光照下的低分辨率图像gi(x,y)；(2)基于不同角度的光照下所得到的图像在空间角度上的变化对应于该图像的频谱在频域上的偏移，利用相位恢复算法以及合成孔径的思想，由采集到的多张低分辨率图像通过迭代得到一张高分辨率图像。本发明充分利用了采集到的每张低分辨率图像的相位信息，将原有的FPM算法中频域重叠区域的替换算法进行了改进，将频域重叠区域的替换抽象成求解最优解权值的问题，提高了算法的重建效果。
-
公开(公告)号：CN103581648B
公开(公告)日：2015-08-26
申请号：CN201310489437.1
申请日：2013-10-18
申请人： 清华大学深圳研究生院
摘要： 本发明涉及一种绘制新视点中的空洞填补方法，该方法包括以下步骤：在三维映射前，对深度图预处理，包括：检测深度图边缘；进行深度不连续分析，获取主要深度不连续区域；对主要深度不连续区域进行非对称高斯滤波；在三维映射后，检查新视点图像是否仍有空洞，如果有，则基于深度信息对空洞填补。本发明在三维映射前只对主要深度不连续区域进行平滑，在三维映射后基于深度信息对空洞填补，不但有效避免了对不出现空洞或只有小空洞区域的平滑而造成的额外扭曲现象，而且能够实现更合理的填补结果。
-
公开(公告)号：CN104766282A
公开(公告)日：2015-07-08
申请号：CN201510173442.0
申请日：2015-04-13
申请人： 清华大学深圳研究生院
IPC分类号： G06T5/00
摘要： 本发明公开了一种高光谱图像的修补方法，针对不同的高光谱图像信息丢失情况，充分利用高光谱图像的特性，进行相对最优的修补。本发明的优点在于：1.对由于部分遮挡需要移除后修补的情况，相比于简单的插值处理，块修补方法能更好的恢复纹理信息。同时充分考虑波段图像间空间信息一致，在每个波段分别搜索最匹配块，投票选出最优块并修补至所有波段；2.对单波段内的部分信息丢失，由于其他波段信息完整且该丢失波段有其他信息可参照，采用光谱曲线匹配能最大化利用已知信息最优的修补；3.对整波段信息丢失，其他波段信息完整但该波段无信息可参照，故利用曲线拟合估计出光谱曲线并用来修补该波段值。
-
公开(公告)号：CN103581648A
公开(公告)日：2014-02-12
申请号：CN201310489437.1
申请日：2013-10-18
申请人： 清华大学深圳研究生院
摘要： 本发明涉及一种绘制新视点中的空洞填补方法，该方法包括以下步骤：在三维映射前，对深度图预处理，包括：检测深度图边缘；进行深度不连续分析，获取主要深度不连续区域；对主要深度不连续区域进行非对称高斯滤波；在三维映射后，检查新视点图像是否仍有空洞，如果有，则基于深度信息对空洞填补。本发明在三维映射前只对主要深度不连续区域进行平滑，在三维映射后基于深度信息对空洞填补，不但有效避免了对不出现空洞或只有小空洞区域的平滑而造成的额外扭曲现象，而且能够实现更合理的填补结果。
-
-
-
-
-
-
-
-
-
搜索结果
96 条记录 (耗时 0.042 秒)
