一种深度图恢复方法

发明专利有效专利

申请号：
CN201610031320.2
IPC分类号：H04N13/00;H04N13/02
申请日期：
2016-01-18
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

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种深度图恢复方法
申请号	CN201610031320.2	申请日期	2016-01-18
法律状态	授权	申报国家	中国
公开/公告日	2016-06-08	公开/公告号	CN105657402A
优先权	暂无	优先权号	暂无
主分类号	H04N13/00 ? IPC结构图谱： H 电学 H9 电学 H04 电通信技术 H04N 图像通信，如电视 H04N13/00 立体视频系统；多视点视频系统；其零部件〔4，2006.01，2018.01〕	IPC分类号	H;0;4;N;1;3;/;0;0;;;H;0;4;N;1;3;/;0;2查看分类表>
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	申请人地址	广东省深圳市南山区西丽大学城清华园区F305B 变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	深圳市未来媒体技术研究院,清华大学深圳研究生院	当前权利人	深圳市未来媒体技术研究院,清华大学深圳研究生院
发明人	张永兵;沈涛;王兴政;王好谦;李莉华;戴琼海
代理机构	深圳新创友知识产权代理有限公司	代理人	江耀纯

摘要

本发明公开了一种深度图恢复方法，包括如下步骤：A1：由相当大数量的各类物体的深度图构成训练集；A2：建立卷积神经网络(CNN)，采取核分离方法，获得隐藏层的参数，建立卷积网络结构，利用训练集中的深度图训练网络结构、调整网络权重；A3：在CNN的输出层，针对可能的结果建立自回归(AR，auto‑regression)模型，并建立评价指标；A4：将深度传感器获得的原始深度图输入CNN中，通过去噪、分类后，由AR模型恢复，通过评价指标检测，若不合要求则将结果图输入A2中，直到得到高质量深度图或终止循环。本发明采用了深度卷积网络来恢复从深度传感器获得的低分辨率、低信噪比的图像。利用本发明能够显著提高深度图的质量，同时也简化了获得深度图的方法。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供