[發(fā)明專利]一種基于彩色圖引導(dǎo)的深度圖超分辨率重建網(wǎng)絡(luò)構(gòu)建方法有效
| 申請?zhí)枺?/td> | 201911030673.0 | 申請日: | 2019-10-28 |
| 公開(公告)號: | CN110930342B | 公開(公告)日: | 2021-10-29 |
| 發(fā)明(設(shè)計(jì))人: | 楊宇翔;曹旗;高明煜;何志偉;吳占雄 | 申請(專利權(quán))人: | 杭州電子科技大學(xué) |
| 主分類號: | G06T5/50 | 分類號: | G06T5/50 |
| 代理公司: | 杭州君度專利代理事務(wù)所(特殊普通合伙) 33240 | 代理人: | 楊舟濤 |
| 地址: | 310018 浙*** | 國省代碼: | 浙江;33 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 彩色 引導(dǎo) 深度 分辨率 重建 網(wǎng)絡(luò) 構(gòu)建 方法 | ||
1.一種基于彩色圖引導(dǎo)的深度圖超分辨率重建網(wǎng)絡(luò)構(gòu)建方法,其特征在于該方法的具體步驟是:
步驟(1):利用RGB-D相機(jī)獲取同場景彩色圖像和深度圖像
使用RGB-D相機(jī)得到一張低分辨率深度圖像Idepth其分辨率為M*N,和一張相同視角下的高分辨率彩色圖像Icolor其分辨率為rM*rN,其中r為倍率,M和N分別為圖像的高和寬;對低分辨率的深度圖像Idepth進(jìn)行雙三次上采樣操作放大至rM*rN,獲得了初始的低質(zhì)量高分辨率深度圖像并把彩色圖像Icolor轉(zhuǎn)為YCbCr色彩空間,并取Y通道圖像得到
步驟(2):基于卷積神經(jīng)網(wǎng)絡(luò)的雙支圖像特征提取結(jié)構(gòu)構(gòu)建,在圖像特征提取階段兩支結(jié)構(gòu)相同,每一支在特征提取的階段由兩層卷積核大小為3*3的卷積層和五個(gè)權(quán)值共享的多尺度殘差塊Multi-scale Recursive Residual Block組成,這個(gè)階段中的所有的卷積層之后都緊連著一個(gè)Rectified Linear Unit激活層,得到了設(shè)計(jì)網(wǎng)絡(luò)的特征提取部分;
(a)和首先各自通過各支的卷積核大小為3*3卷積層得到初始的特征圖和
(b)多尺度殘差結(jié)構(gòu)構(gòu)建,然后各自經(jīng)過五個(gè)多尺度殘差塊的提取特征,輸入特征圖為Xm-1,每個(gè)多尺度殘差塊的計(jì)算步驟如下:
①
首先將特征圖Xm-1經(jīng)過并行結(jié)構(gòu)中卷積核大小為3*3的卷積層之后通過激活層得到的特征圖R1;其中σ(·)代表激活層,為卷積核大小為3*3的卷積層權(quán)值,其上標(biāo)表示該卷積層的結(jié)構(gòu)位置,下標(biāo)表示卷積核大小;
②
同時(shí)特征圖Xm-1也經(jīng)過并行結(jié)構(gòu)中卷積核大小為5*5的卷積層之后通過激活層得到的特征圖P1,其中為卷積核大小為5*5的卷積層權(quán)值;
③
之后將特征圖R1和特征圖P1拼接在一起,輸入卷積核大小為5*5的卷積層通過激活層得到特征圖R2;R1,P1表示將R1和P1階段的特征圖像拼接在一起;
④
最后特征圖R2通過卷積核大小為1*1的卷積層降低維度,并使用殘差連接,將輸入Xm-1與降低維度后的特征圖R2元素相加得到多尺度殘差塊輸出Xm;五個(gè)殘差塊之間,利用遞歸學(xué)習(xí)的思想,將多尺度殘差塊遞歸五次;在遞歸中,不同的多尺度殘差塊之間相同結(jié)構(gòu)位置、相同卷積核大小的卷積層權(quán)值共享;
初始的特征圖和經(jīng)過五個(gè)遞歸的多尺度殘差塊結(jié)構(gòu)之后,得到深度圖像的特征圖和Y通道的特征圖
步驟(3):特征融合網(wǎng)絡(luò)結(jié)構(gòu)構(gòu)建
特征融合引導(dǎo)階段的網(wǎng)絡(luò)由一個(gè)特征圖像拼接操作、三個(gè)權(quán)值共享的多尺度殘差塊和一個(gè)卷積核大小為3*3的卷積層構(gòu)成,該階段的每個(gè)卷積層之后都緊連一個(gè)RectifiedLinear Unit激活層;
將深度圖像的特征圖和Y通道特征圖首先通過拼接操作得到初始融合特征圖然后經(jīng)過三個(gè)遞歸塊進(jìn)行細(xì)化融合,利用網(wǎng)絡(luò)學(xué)習(xí)中有用的邊緣部分,使彩色圖像充分地起到引導(dǎo)作用,最后經(jīng)過一個(gè)卷積核大小為3*3的卷積層,完成了特征融合引導(dǎo)的構(gòu)造,得到了融合特征圖,記為
步驟(4):殘差結(jié)構(gòu)構(gòu)建,重建高質(zhì)量高分辨率深度圖像
重建階段的卷積神經(jīng)網(wǎng)絡(luò)由一個(gè)卷積核大小為3*3的卷積層和一次殘差連接操作構(gòu)成;
通過卷積核大小為3*3的卷積層得到重建深度圖像的殘差輸出,記為最后將與進(jìn)行元素對應(yīng)相加,得到最終放大r倍的高分辨率高質(zhì)量深度圖像
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于杭州電子科技大學(xué),未經(jīng)杭州電子科技大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201911030673.0/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 引導(dǎo)裝置及引導(dǎo)方法
- 引導(dǎo)系統(tǒng)以及引導(dǎo)方法
- 引導(dǎo)裝置、引導(dǎo)方法以及引導(dǎo)程序
- 車輛引導(dǎo)裝置、車輛引導(dǎo)方法和車輛引導(dǎo)程序
- 移動引導(dǎo)系統(tǒng)、移動引導(dǎo)裝置、以及移動引導(dǎo)方法
- 引導(dǎo)裝置、引導(dǎo)方法以及引導(dǎo)程序
- 路徑引導(dǎo)裝置、路徑引導(dǎo)方法以及路徑引導(dǎo)程序
- 引導(dǎo)方法及引導(dǎo)系統(tǒng)
- 引導(dǎo)裝置、引導(dǎo)方法以及引導(dǎo)程序
- 引導(dǎo)系統(tǒng)、引導(dǎo)裝置和引導(dǎo)系統(tǒng)的控制方法





