-
公开(公告)号：CN102665086B
公开(公告)日：2014-03-05
申请号：CN201210125938.7
申请日：2012-04-26
Applicant: 清华大学深圳研究生院
Abstract: 本发明公开了利用基于区域的局部立体匹配获取视差的方法，包括：对第一路视点图像的当前像素点，在第二路视点图像中选取若干个搜索像素点；分别采用SAD算法和Rank变换算法得到当前像素点与某个搜索像素点之间的第一和第二匹配代价值；在第一路视点图像的二值化边缘图像中与当前像素点对应的像素点的周围设定区域内，根据边缘像素点的个数确定第一和第二匹配权值；第一匹配代价值与第一匹配权值之积加上第二匹配代价值与第二匹配权值之积的和作为当前像素点与搜索像素点之间的最终匹配代价值；得到其余的最终匹配代价值，在所有最终匹配代价值中，选择最小匹配代价值对应的搜索像素点与当前像素点之间的向量差即是当前像素点的第一视差。
-
公开(公告)号：CN103248906A
公开(公告)日：2013-08-14
申请号：CN201310134715.1
申请日：2013-04-17
Applicant: 清华大学深圳研究生院
IPC: H04N13/00
Abstract: 本发明公开了一种双目立体视频序列的深度图获取方法和系统，方法包括：对两幅图像的第一幅图像进行聚类，区域生长将聚类转化为连通的区域，记录各个区域的平均五维坐标和区域间的相邻信息；接收操作者输入的用于标记第一幅图像的前景和背景的人工标记，计算区域连接权值及标记权值；将区域连接权值和标记权值作为输入，调用GrpahCut算法对第一幅图像进行前景与背景的分割；以两幅图像中的第二幅图像作为参考图像，根据分割结果，基于局部自适应权值立体匹配算法计算前景的视差图，基于Rank变换立体匹配算法计算背景的视差图，然后将视差图转换为深度图。系统为执行上述方法的系统。本发明具有结果准确，复杂度低的有益效果。
-
公开(公告)号：CN102572439B
公开(公告)日：2014-02-12
申请号：CN201210066744.4
申请日：2012-03-14
Applicant: 清华大学深圳研究生院
IPC: H04N19/597 , H04N19/176 , H04N19/587 , H04N19/59
Abstract: 本发明公开了一种确定多视点视频编码最佳模式进行编码的方法，包括：根据编码复杂程度为各种编码模式设置不同的复杂度值；根据同一视点时域相关性，视点间相关性，帧内相关性，分别计算当前宏块的编码复杂度值；根据上述三个计算结果采用模态切换的方法确定当前宏块可选择的编码模式集合；选择其中率失真代价最小的编码模式作为当前宏块编码应采用的编码模式。本发明在不降低编码效率的基础上，有效地降低多视点视频编码复杂度。
-
公开(公告)号：CN102665086A
公开(公告)日：2012-09-12
申请号：CN201210125938.7
申请日：2012-04-26
Applicant: 清华大学深圳研究生院
Abstract: 本发明公开了利用基于区域的局部立体匹配获取视差的方法，包括：对第一路视点图像的当前像素点，在第二路视点图像中选取若干个搜索像素点；分别采用SAD算法和Rank变换算法得到当前像素点与某个搜索像素点之间的第一和第二匹配代价值；在第一路视点图像的二值化边缘图像中与当前像素点对应的像素点的周围设定区域内，根据边缘像素点的个数确定第一和第二匹配权值；第一匹配代价值与第一匹配权值之积加上第二匹配代价值与第二匹配权值之积的和作为当前像素点与搜索像素点之间的最终匹配代价值；得到其余的最终匹配代价值，在所有最终匹配代价值中，选择最小匹配代价值对应的搜索像素点与当前像素点之间的向量差即是当前像素点的第一视差。
-
公开(公告)号：CN102572439A
公开(公告)日：2012-07-11
申请号：CN201210066744.4
申请日：2012-03-14
Applicant: 清华大学深圳研究生院
Abstract: 本发明公开了一种确定多视点视频编码最佳模式进行编码的方法，包括：根据编码复杂程度为各种编码模式设置不同的复杂度值；根据同一视点时域相关性，视点间相关性，帧内相关性，分别计算当前宏块的编码复杂度值；根据上述三个计算结果采用模态切换的方法确定当前宏块可选择的编码模式集合；选择其中率失真代价最小的编码模式作为当前宏块编码应采用的编码模式。本发明在不降低编码效率的基础上，有效地降低多视点视频编码复杂度。
-
Patent Agency Ranking
公开(公告)号：CN103248906B
公开(公告)日：2015-02-18
申请号：CN201310134715.1
申请日：2013-04-17
Applicant: 清华大学深圳研究生院
IPC: H04N13/00
Abstract: 本发明公开了一种双目立体视频序列的深度图获取方法和系统，方法包括：对两幅图像的第一幅图像进行聚类，区域生长将聚类转化为连通的区域，记录各个区域的平均五维坐标和区域间的相邻信息；接收操作者输入的用于标记第一幅图像的前景和背景的人工标记，计算区域连接权值及标记权值；将区域连接权值和标记权值作为输入，调用GrpahCut算法对第一幅图像进行前景与背景的分割；以两幅图像中的第二幅图像作为参考图像，根据分割结果，基于局部自适应权值立体匹配算法计算前景的视差图，基于Rank变换立体匹配算法计算背景的视差图，然后将视差图转换为深度图。系统为执行上述方法的系统。本发明具有结果准确，复杂度低的有益效果。
-
公开(公告)号：CN103260032B
公开(公告)日：2016-07-06
申请号：CN201310135192.2
申请日：2013-04-18
Applicant: 清华大学深圳研究生院
IPC: H04N19/597 , H04N13/00
Abstract: 一种立体视频深度图序列的帧率提升方法，包括以相邻两帧深度图为两个参考帧，构造出中间深度图插入该相邻两帧深度图之间，其中，通过以下步骤获取中间深度图宏块的深度信息：双向运动估计获取当前宏块的匹配代价及初始运动矢量；进行双向运动补偿获取当前宏块的初始深度信息；若最小匹配代价小于设定的阈值，将所述初始深度信息作为当前宏块的深度信息，否则利用所述初始深度信息合成当前宏块对应虚拟视点的纹理块；计算所述纹理块的匹配代价；计算当前宏块和所述纹理块的联合匹配代价，获取最终运动矢量；用最终运动矢量进行双向运动补偿获取当前宏块的深度信息。本方法能使得深度信息更准确可靠，而且能够保证运算复杂度。
-
公开(公告)号：CN103260032A
公开(公告)日：2013-08-21
申请号：CN201310135192.2
申请日：2013-04-18
Applicant: 清华大学深圳研究生院
Abstract: 一种立体视频深度图序列的帧率提升方法，包括以相邻两帧深度图为两个参考帧，构造出中间深度图插入该相邻相帧深度图之间，其中，通过以下步骤获取中间深度图宏块的深度信息：双向运动估计获取当前宏块的匹配代价及初始运动矢量；进行双向运动补偿获取当前宏块的初始深度信息；若最小匹配代价小于设定的阈值，将所述初始深度信息作为当前宏块的深度信息，否则利用所述初始深度信息合成当前宏块对应虚拟视点的纹理块；计算所述纹理块的匹配代价；计算当前宏块和所述纹理块的联合匹配代价，获取最终运动矢量；用最终运动矢量进行双向运动补偿获取当前宏块的深度信息。本方法能使得深度信息更准确可靠，而且能够保证运算复杂度。
-
公开(公告)号：CN102378009B
公开(公告)日：2013-05-08
申请号：CN201110359517.6
申请日：2011-11-14
Applicant: 清华大学深圳研究生院
Abstract: 本发明公开了一种利用Kalman滤波优化的视差估计方法，在视差估计时，先利用传统的快速块匹配算法得到视差向量，对视差向量的结果进行kalman滤波，使其更接近全搜索算法得到的结果，同时经过kalman滤波优化处理，视差向量精确度能提高到分数级别，且避免了传统的分数精度搜索所带来的插值运算及搜索次数增加。
-
公开(公告)号：CN102378009A
公开(公告)日：2012-03-14
申请号：CN201110359517.6
申请日：2011-11-14
Applicant: 清华大学深圳研究生院
Abstract: 本发明公开了一种利用Kalman滤波优化的视差估计方法，在视差估计时，先利用传统的快速块匹配算法得到视差向量，对视差向量的结果进行kalman滤波，使其更接近全搜索算法得到的结果，同时经过kalman滤波优化处理，视差向量精确度能提高到分数级别，且避免了传统的分数精度搜索所带来的插值运算及搜索次数增加。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.027 seconds)
