基于深度圖像的虛擬視點繪制方法研究.pdf

1、基于深度圖像的繪制方法是通過其他視點視頻信息生成任意視點視頻，是虛擬視點繪制的最常用方法。虛擬視點繪制方法在3D產(chǎn)品中應用廣泛，是整個3D產(chǎn)品系統(tǒng)生成鏈中一個很關鍵的技術過程，是計算機圖像處理領域重要的研究課題之一?；谏疃葓D像的繪制方法的技術原理是三維圖像變換方程，即通過參考視點與虛擬視點的攝像機內(nèi)外參數(shù)矩陣，以及參考視點的深度圖信息，建立參考視點圖像與虛擬視點圖像之間的像素點映射關系。在虛擬視點繪制過程中，參考視點中被前景物體遮擋的

2、區(qū)域在虛擬視點中會變得可見，這部分區(qū)域由于缺少圖像信息產(chǎn)生空洞問題。在多視點合并的圖像融合過程中，融合方式的選取也是虛擬視點繪制方法需要解決的問題。
　　本文利用圖像修復算法對空洞進行填補，并對算法進行改進。提出一種新的優(yōu)先級計算方法，利用加權平均的結構張量作為數(shù)據(jù)項，提高空間的局部一致性，改善空洞填補的順序;采用局部閾值分割的方法降低空洞邊界前景像素的填補優(yōu)先級，降低空洞邊界前景像素的填補順序，改善前景像素的錯誤擴散。此外，提出

3、一種新的塊距離計算公式與源空間識別方法，利用梯度與位置關系，對塊距離公式進行改進，在搜索區(qū)域中選擇更為合適的匹配塊對目標塊進行像素填充;針對由于遮擋產(chǎn)生的空洞，利用深度圖與最大化類間方差算法，識別出相對背景作為搜索區(qū)域的源空間，減少由于誤匹配而導致的錯誤填補。實驗結果表明，與現(xiàn)已有方法相比，虛擬視點繪制的圖像質(zhì)量有了較大的提高。
　　本文利用廣義回歸神經(jīng)網(wǎng)絡，提出一種基于機器學習的圖像融合方法。本文利用訓練樣本數(shù)據(jù)，建立神經(jīng)網(wǎng)絡預