一种深度超分辨率图像滤波处理方法技术

技术编号:20365518 阅读:22 留言:0更新日期:2019-02-16 17:43
本发明专利技术涉及自动驾驶图像处理技术领域,涉及一种深度超分辨率图像滤波处理方法,包括以下步骤,S1、输入待处理的图像I;S2、将深度超分辨率图像滤波框架带入到图像I中,得到图像I的上采样密集深度图像D

【技术实现步骤摘要】
一种深度超分辨率图像滤波处理方法
本专利技术涉及自动驾驶图像处理
,更具体地说,涉及一种深度超分辨率图像滤波处理方法。
技术介绍
自动驾驶汽车又称无人驾驶汽车、电脑驾驶汽车、或轮式移动机器人,是一种通过电脑系统实现无人驾驶的智能汽车。在20世纪已有数十年的历史,21世纪初呈现出接近实用化的趋势。自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作,让电脑可以在没有任何人类主动的操作下,自动安全地操作机动车辆。在自动驾驶汽车的行驶过程中,必然要使用到摄像头来拍摄路况并对路况图像进行图像平滑滤波处理以方便进行后面的图像识别处理工序。将深度超分辨率(SR)的低分辨率有源深度传感器和用于高分辨率RGB传感器进行融合运用正成为计算机视觉中的热门话题,并经过实验校验后证明该基于边缘感知滤波器与插值的融合技术在标准上是非常有效的。但是,由于现有的低分辨率有源深度传感器以及用于高分辨率RGB传感器在融合过程中由于出现权重处理失衡,从而导致其融合生成的的边缘保护滤波器无法在保护大部分的边缘锐化的同时平滑大范围的噪音,降低了图像平滑滤波处理效率,从而使得该融合边缘保护滤波器需要耗费大量的时间在图像平滑滤波处理过程中,造成图像处理速度慢,运算量大,使得图像平滑滤波处理效率低下,难以满足自然人机交互的高速实现要求。
技术实现思路
有鉴于此,本专利技术提供了一种深度超分辨率图像滤波处理方法,以解决现有技术中图像平滑滤波处理效率低下的缺陷。一种深度超分辨率图像滤波处理方法,包括以下步骤:S1、输入待处理的图像I;S2、将深度超分辨率图像滤波框架带入到图像I中,得到图像I的上采样密集深度图像DF;其中,该深度超分辨率图像滤波框架具体如公式1所示:DF为上采样密集深度图像,F(D)为上采样深度值的滤波图像,F(M)为未经上采样深度处理的滤波图像。作为本专利技术的优选方案,该上采样深度值的滤波图像F(D)的处理步骤为:S21、计算图像I位于P处的上采样深度值D(P);S22、将上采样深度值D(P)带入到滤波器F(x)中得到上采样深度值的滤波图像F(D)。作为本专利技术的优选方案,在步骤S21中,上采样深度值D(P)的具体计算如公式2所示:其中,为低分辨率深度图像;P和q表示图像I中像素的整数坐标;p↓和q↓表示相应的分数坐标;f(x)是以像素P处为中心的空间滤波器内核;g(x)是以P处的图像值为中心的范围滤波器内核;Ω是内核f(x)的空间支持域;kp是归一化因子,即f(x)·g(x)滤波器权重的总和。作为本专利技术的优选方案,步骤S22具体为:先选择确定滤波器F(x)的基本表达式,然后将上采样深度值D(P)带入到滤波器F(x)计算得到上采样深度值的滤波图像F(D)。作为本专利技术的优选方案,在步骤S2中,将深度超分辨率图像滤波模型代替深度超分辨率图像滤波框架,将深度超分辨率图像滤波模型带入到图像I中,得到图像I的上采样密集深度图像DF,其中,该深度超分辨率图像滤波模型具体如公式3所示:(ai,bi,ci)表示第i个表面模型的参数,用像素坐标[x,y]表示像素p的深度,f是空间高斯滤波器核,g是以p处的RGB图像值为中心的范围滤波器核,Ω是核f的空间支持。作为本专利技术的优选方案,该深度超分辨率图像滤波模型的建立包括以下步骤:A1、输入待处理的图像I;A2、算出图像I平面内的深度值的倒数如公式4所示其中,参数{a,b,c}用于模拟平面表面参数,x和y表示三维点的像素坐标,z表示该点的深度值;A3、算出最佳表面模型,如公式3所示其中,(ai,bi,ci)表示第i个表面模型的参数,用像素坐标[x,y]表示像素p的深度,f是空间高斯滤波器核,g是以p处的RGB图像值为中心的范围滤波器核,Ω是核f的空间支持;A4、将步骤A3所得到的最佳表面模型计算图像I相对应的深度值得到图像I的上采样密集深度图像。从上述的技术方案可以看出,本专利技术一方面提出了一种深度超分辨率图像滤波处理方法,利用将深度超分辨率图像滤波框架带入到图像I中,从而得到图像I的上采样密集深度图像DF,通过深度超分辨率图像滤波框架形成一个基于通用过滤的深度超分辨率图像滤波框架,任何图像过滤器都可以直接用于所提出的框架结构,从而将图像的低分辨率有源深度传感器和高分辨率无源RGB传感器融合成体,在保持滤波的同时也很好地保留了图像深度边缘,从而大范围地减少噪音而不会使边缘模糊,利用低通滤波器对自动化图片抽象化和边缘四周进行了细节加强,大大减少了图像滤波处理的计算量,缩短工作时间,克服了有技术中图像平滑滤波处理效率低下的缺陷,提高了图像滤波精度,从而达到快速进行图像平滑滤波处理的目的;另一方面,本专利技术还提出了一种深度超分辨率图像滤波处理方法,将深度超分辨率图像滤波模型代替深度超分辨率图像滤波框架,将深度超分辨率图像滤波模型带入到图像I中,得到图像I的上采样密集深度图像DF,先在每个像素位置搜索最佳平面模型,然后使用该模型计算相应的深度值,而不是对深度值进行直接插值,从而避免了传统图像的低分辨率有源深度传感器和高分辨率无源RGB传感器在图像滤波过程因权重处理失衡而造成滤波效果差的问题,同时克服了有技术中图像平滑滤波处理效率低下的缺陷,从而进一步达到快速进行图像平滑滤波处理的目的。附图说明图1为本专利技术实施例一所提供的一种深度超分辨率图像滤波处理方法的整体步骤流程图。图2为本专利技术实施例二所提供的一种深度超分辨率图像滤波处理方法的整体步骤流程图。为了更清楚地说明本专利技术实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所述的附图作简单地介绍,显而易见,下面的描述中的附图仅仅是本专利技术的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。具体实施方式实施例一:如图1所示,本专利技术实施例一公开了一种深度超分辨率图像滤波处理方法,包括以下步骤:S1、输入待处理的图像I;S2、将深度超分辨率图像滤波框架带入到图像I中,得到图像I的上采样密集深度图像DF;其中,该深度超分辨率图像滤波框架具体如公式1所示:DF为上采样密集深度图像,F(D)为上采样深度值的滤波图像,F(M)为未经上采样深度处理的滤波图像。该上采样深度值的滤波图像F(D)的处理步骤为:S21、计算图像I位于P处的上采样深度值D(P);S22、将上采样深度值D(P)带入到滤波器F(x)中得到上采样深度值的滤波图像F(D)。在步骤S21中,上采样深度值D(P)的具体计算如公式2所示:其中,为低分辨率深度图像;P和q表示图像I中像素的整数坐标;p↓和q↓表示相应的分数坐标;f(x)是以像素P处为中心的空间滤波器内核;g(x)是以P处的图像值为中心的范围滤波器内核;Ω是内核f(x)的空间支持域;kp是归一化因子,即f(x)·g(x)滤波器权重的总和。步骤S22具体为:先选择确定滤波器F(x)的基本表达式,然后将上采样深度值D(P)带入到滤波器F(x)计算得到上采样深度值的滤波图像F(D)。本实施例一所采用的滤波器F(x)为现有的双边滤波器F(x)。本专利技术实施例一可采用任何图像过滤技术并确保公平比较,任何图像滤波器都可以直接与扩展框架集成,如果采用边缘保持滤波器,则可以保留深度边缘。设D和I表示登记本文档来自技高网...

【技术保护点】
1.一种深度超分辨率图像滤波处理方法,其特征在于,包括以下步骤:S1、输入待处理的图像I;S2、将深度超分辨率图像滤波框架带入到图像I中,得到图像I的上采样密集深度图像DF;其中,该深度超分辨率图像滤波框架具体如公式1所示:

【技术特征摘要】
1.一种深度超分辨率图像滤波处理方法,其特征在于,包括以下步骤:S1、输入待处理的图像I;S2、将深度超分辨率图像滤波框架带入到图像I中,得到图像I的上采样密集深度图像DF;其中,该深度超分辨率图像滤波框架具体如公式1所示:DF为上采样密集深度图像,F(D)为上采样深度值的滤波图像,F(M)为未经上采样深度处理的滤波图像。2.如权利要求1所述的一种深度超分辨率图像滤波处理方法,其特征在于,该上采样深度值的滤波图像F(D)的处理步骤为:S21、计算图像I位于P处的上采样深度值D(P);S22、将上采样深度值D(P)带入到滤波器F(x)中得到上采样深度值的滤波图像F(D)。3.如权利要求2所述的一种深度超分辨率图像滤波处理方法,其特征在于,在步骤S21中,上采样深度值D(P)的具体计算如公式2所示:其中,为低分辨率深度图像;P和q表示图像I中像素的整数坐标;p↓和q↓表示相应的分数坐标;f(x)是以像素P处为中心的空间滤波器内核;g(x)是以P处的图像值为中心的范围滤波器内核;Ω是内核f(x)的空间支持域;kp是归一化因子,即f(x)·g(x)滤波器权重的总和。4.如权利要求2所述的一种深度超分辨率图像滤波处理方法,其特征在于,步骤S22具体为:先选择确定滤波器F(x)的基本表达式,然后将上...

【专利技术属性】
技术研发人员:杨庆雄许金涛吴彝丹刘振陈学海
申请(专利权)人:深圳市牧月科技有限公司
类型:发明
国别省市:广东,44

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1