自适应参数与边缘点引导的深度图像超分辨

当前TOF等深度相机仅能获取低分辨率的深度图像,无法满足三维视觉系统的需求。高分辨率深度图像可通过深度图像的超分辨算法获得,但当前算法的实验输出图像存在因纹理复制导致图像局部区域产生伪像以及边缘结构不清晰等问题。基于HR深度伪矩阵提出自适应参数与边缘点引导的深度值重建的算法,通过低分辨率深度图像边缘区域的像素点寻找修正图像中深度值错误的像素点,并进行聚类操作,从而获得重建的深度图像。通过引入自适应参数引导的自回归模型,预测边缘区域像素点的深度值。实验结果证明,该算法能够有效降低深度不连续区域的模糊性,获得更高质量的高分辨率深度图像。将该算法与当前存在算法的实验输出图像进行对比,在上采样因子分别为2、4和8时,该算法输出结果的平均坏点率均低于0.1,可有效验证算法的优势。