为了提高基于多视图立体匹配网络(MVSNet)的深度学习算法在复杂场景下的重建完整性,提出了一种基于两步法的时空域图像增强算法,可用于提高视频图像的质量,并最终提高三维模型的重建完整性。首先利用空间域去噪网络减少视频帧内噪声,在...为了提高基于多视图立体匹配网络(MVSNet)的深度学习算法在复杂场景下的重建完整性,提出了一种基于两步法的时空域图像增强算法,可用于提高视频图像的质量,并最终提高三维模型的重建完整性。首先利用空间域去噪网络减少视频帧内噪声,在这一步有效地降低噪声水平,使得下一步能够更好地处理帧间噪声和建立网络模型。在第二步时间域视频增强网络利用相邻帧间存在的时间信息,能够有效地减少帧间闪烁。使用公开数据集Tanks and Temples中的Truck视频图像进行验证,实验结果证明,在使用同一个多视图立体匹配网络R-MVSNet下生成三维点云,相较目前先进方法FastDVDnet,该方法误匹配点数更少,点云更完整、更清晰。展开更多
文摘为了提高基于多视图立体匹配网络(MVSNet)的深度学习算法在复杂场景下的重建完整性,提出了一种基于两步法的时空域图像增强算法,可用于提高视频图像的质量,并最终提高三维模型的重建完整性。首先利用空间域去噪网络减少视频帧内噪声,在这一步有效地降低噪声水平,使得下一步能够更好地处理帧间噪声和建立网络模型。在第二步时间域视频增强网络利用相邻帧间存在的时间信息,能够有效地减少帧间闪烁。使用公开数据集Tanks and Temples中的Truck视频图像进行验证,实验结果证明,在使用同一个多视图立体匹配网络R-MVSNet下生成三维点云,相较目前先进方法FastDVDnet,该方法误匹配点数更少,点云更完整、更清晰。