[發明專利]深度圖像的壓縮恢復方法、裝置、設備及存儲介質

有效

• 申請號: 201710524546.0
• 申請日: 2017-06-30
• 公開（公告）號: CN107301662B
• 公開（公告）日: 2020-09-08
• 發明（設計）人: 王旭;張乒乒;江健民
• 申請（專利權）人: 深圳大學
• 主分類號: G06T7/50
• 分類號: G06T7/50;G06T7/529;G06T5/00
• 代理公司: 深圳青年人專利商標代理有限公司 44350
• 代理人: 吳桂華

1.一種深度圖像的壓縮恢復方法，其特征在于，所述方法包括下述步驟：

接收輸入的待恢復深度圖像的恢復請求，所述待恢復深度圖像關聯有對應的紋理圖像；

對所述紋理圖像和所述待恢復深度圖像進行預處理，獲取所述紋理圖像和所述待恢復深度圖像的高頻信息；

將所述紋理圖像的高頻信息、所述待恢復深度圖像的高頻信息和所述待恢復深度圖像分別輸入到預設的深度圖像恢復模型的Y分支模型、D分支模型和M分支模型；

將所述Y分支模型、D分支模型恢復得到的特征圖像輸入到所述M分支模型，通過所述M分支模型恢復出所述待恢復深度圖像對應的深度圖像；

構建所述深度圖像恢復模型；

構建所述深度圖像恢復模型的步驟，包括：

構建所述深度圖像恢復模型的所述Y分支模型，所述的Y分支模型的卷積層為

構建所述深度圖像恢復模型的所述D分支模型，所述D分支模型的卷積層為

構建所述深度圖像恢復模型的所述M分支模型，所述M分支模型的卷積層為

所述所述所述“*”表示卷積操作，所述W_j^Y、W_j^D、為濾波器，所述參數D^q為所述待恢復深度圖像，所述為偏置向量。

2.如權利要求1所述的方法，其特征在于，構建所述深度圖像恢復模型的步驟之后，接收輸入的待恢復深度圖像的恢復請求的步驟之前，所述方法還包括：

接收輸入的訓練集，所述訓練集包括無壓縮的紋理圖像、無壓縮的深度圖像和壓縮后的深度圖像；

對所述訓練集中的無壓縮的紋理圖像、無壓縮的深度圖像和壓縮后的深度圖像進行預處理，獲取所述無壓縮的紋理圖像和所述壓縮后深度圖像的高頻信息；

將所述無壓縮的紋理圖像的高頻信息、所述壓縮后深度圖像的高頻信息和所述壓縮后深度圖像分別輸入到預先構建的所述深度圖像恢復模型的所述Y分支模型、D分支模型和M分支模型，對所述深度圖像恢復模型的所述Y分支模型、D分支模型和M分支模型進行訓練，計算所述訓練的損失函數，更新所述深度圖像恢復模型的所述濾波器和所述偏置向量；

當未達到預設的迭代次數時，重復進行所述訓練和更新步驟，直至達到所述迭代次數時，將所述訓練后的深度圖像恢復模型設置為所述預設的深度圖像恢復模型。

3.如權利要求2所述的方法，其特征在于，計算所述訓練的損失函數的步驟，包括：

使用公式計算所述訓練的損失函數，所述N為所述訓練集中訓練目標的數量，所述為恢復得到的深度圖像，所述為對應的紋理圖像，所述i表示每一次訓練，所述θ為待優化參數，包括所述濾波器和所述偏置向量。

4.如權利要求1所述的方法，其特征在于，對所述紋理圖像和所述待恢復深度圖像進行預處理，獲取所述紋理圖像和所述待恢復深度圖像的高頻信息的步驟，包括：

根據公式對所述紋理圖像進行預處理，獲取所述紋理圖像的高頻信息，其中，所述參數Y為所述紋理圖像，所述h(Y)表示對所述紋理圖像進行均值池化處理，所述abs()為取絕對值函數；

根據公式對所述待恢復深度圖像進行預處理，獲取所述待恢復深度圖像的高頻信息，所述h(D^q)表示對所述待恢復深度圖像進行均值池化處理。