基于纹理信息引导的光场深度图优化

发布时间：2021-07-27 16:54

　　光场相机获取的四维光场信息可用于场景深度估计,但是大多深度估计算法获得的深度图存在边缘模糊、精度有限等问题。因此,结合引导滤波器边缘保持局部平滑特性,提出基于纹理信息引导的光场深度图优化算法。该算法以纹理信息丰富的光场中心孔径图像作为引导图像,建立了基于多评价函数的混合引导滤波参数寻优模型,以获得合理滤波器参数实现深度图引导滤波优化。实验结果表明,优化后的深度图边缘的视觉效果明显改善,与散焦结合相关性评价算法获得的原始深度图相比,均方误差平均降低1.12%。 

【文章来源】：电视技术. 2020,44(07)

【文章页数】：5 页

【部分图文】：

引导滤波参数优化

图1 引导滤波参数优化固定ε=10-4，滤波器的窗口半径r从1变到10，获得的深度图的归一化PSNR、MSE、BP、ARE和Thining的值随r的变化如图1(a）所示；固定r=5，ε从初值10-7以指数形式递增，获得的深度图的归一化PSNR、MSE、BP、ARE和Thining的值随ε的变化如图1(b）所示。从图1(a）可以看出，随着r的增大，PSNR曲线呈上升趋势，反映图像质量变好；MSE、BP曲线呈下降趋势，反映图像质量变好；ARE、Thining曲线呈上升趋势；反映图像质量变差。

为了证明基于纹理信息引导的光场深度图优化算法的有效性，采用具有标准深度图的HCI光场数据集中的“cotton”和“dino”场景作为测试对象[8]，将散焦结合相关性深度获取（Depth from Combining Defocus and Correspondence,DCDC）算法[2]获取的深度图作为待优化深度图，采用所提算法对其进行优化，优化效果对比如图2和图3所示。其中，图2(a）、图3(a）分别为“cotton”和“dino”光场原图，图2(b）、图3(b）为对应的标准深度图，图2(c）、图3(c）为DCDC算法获得的深度图，图2(d）、图3(d）为采用本文算法优化后的深度图。截取图2的一个局部区域进行放大，如图中的矩形虚线框所框位置。该区域位于石像头部右侧，是前景与背景的交界处，且头发与额头存在深度差。采用DCDC算法得到的深度图在该区域边缘模糊，且丢失了头发与额头的深度层次。本文提取携带4D光场纹理信息的子孔径图像作为引导图像，设置r=5、ε=10-4，对DCDC算法得到的深度图进行引导滤波优化。优化后的深度图边缘信息更加清晰，且头发与额头间的深度层次感更强，视觉效果与真实深度图更加接近。


本文编号：3306175