基于软聚类的深度图增强方法OA北大核心CSTPCD
针对现有的深度获取方式存在数据缺失、分辨率低等问题,提出一种基于软聚类的深度图增强方法,称为软聚类求解器.该方法利用软聚类的强边缘保持特性提高深度图增强的精度.将软聚类仿射矩阵和加权最小二乘模型有机结合,构建了软聚类求解器中的置信加权最小二乘模型,提出了基于迭代的求解方法.为评估所提出的方法,在多项深度图增强任务上进行试验,包括深度图补洞、深度图超分辨率和深度图纠正,评价指标包含了峰值信噪比(PSNR)、结构相似度(SSIM)、均方根差(RMSE)和运行效率.结果表明:文中方法在深度图补洞任务中的平均PSNR达到了42.28,平均SSIM达到了98.83%;在深度图超分辨率、深度图纠正任务中的平均RMSE达到了8.96、 2.36.文中方法处理1张分辨率为2 048×1 024像素的图像仅需5.03 s.
杨洋;何童瑶;詹永照;赵岩;王新宇;
江苏大学计算机科学与通信工程学院,江苏镇江212013
计算机与自动化
图像处理计算机视觉加权最小二乘深度图增强置信度软聚类三维空间
《江苏大学学报（自然科学版）》 2024 (002)
P.183-190 / 8
国家自然科学基金资助项目(61902155,61402205);江苏大学高级人才基金资助项目(19JDG024,13JDG085)。
评论