The present invention relates to an image rendering method for multi-view sparse measurement. A sparse viewpoint measurement matrix with uniform interval sampling is constructed. Sparse basis is trained based on the matrix constraint, and then a compressed sensing framework based on multi-view sparse measurement constraint sensor matrix is solved to reconstruct a dense multi-view image. The invention can obtain the unique exact solution of the original signal.
【技术实现步骤摘要】
一种多视点稀疏测量的图像绘制方法
本专利技术涉及图像处理和多视点图像重建领域，特别是一种多视点稀疏测量的图像绘制方法。
技术介绍
随着当代计算技术和多媒体技术的飞速发展，追求用户高质量体验的沉浸式视频取得了长足的发展。一个多媒体系统，其提供的显示和追踪技术如果可以用来在时间和空间上忠实的再现现实世界的感觉和行为，就被称为沉浸。在视觉领域，沉浸感就是指借助设备显示技术，能够让参与到虚拟环境中的人们产生身临其境的临场感。2016年，多媒体产品工业界对于虚拟现实VR技术产生浓厚兴趣，Facebook、谷歌、微软、苹果等大公司都开展了相关技术研发，并发布了相关VR产品。视频呈现的历史，正是追逐更强沉浸式体验的技术发展过程。为了增强沉浸感和互动性，需要将现实世界的三维场景的全部信息进行记录，并且能够为用户进行无失真的重现。计算机视觉领域中，场景的表示与重建技术是该问题主要的解决方案。基于图像的绘制技术(image-basedrender,IBR)是一种近年来较为热门的绘制方法。拍摄图像用于采集光线，通过绘制对这些光线进行重组。采集和重建是实现IBR渲染技术的主要方法。目前通...
【技术保护点】
1.一种多视点稀疏测量的图像绘制方法，其特征在于：包括以下步骤：步骤S1：使用间隔大于设定阈值且数量小于设定阈值的摄像机，在多个不同方位进行图像采集，并将采集到的图像设为稀疏多视点图像；同时，利用压缩感知框架，确定待求解的双约束代价函数；步骤S2：根据压缩感知框架，利用EPI模型，将采集到的图像根据不同视点的对应信息聚集到同一图像中，从而构建出输入EPI矩阵Y，并将其代入待求解的双约束代价函数中；步骤S3：根据压缩感知框架，确定一个测量矩阵Φ：采用等间隔采样矩阵作为测量矩阵，即构造出一个非零位置与实际摄像机的位置相一致的矩阵Φ，并将其代入待求解的双约束代价函数中；步骤S4：...
【技术特征摘要】
1.一种多视点稀疏测量的图像绘制方法，其特征在于：包括以下步骤：步骤S1：使用间隔大于设定阈值且数量小于设定阈值的摄像机，在多个不同方位进行图像采集，并将采集到的图像设为稀疏多视点图像；同时，利用压缩感知框架，确定待求解的双约束代价函数；步骤S2：根据压缩感知框架，利用EPI模型，将采集到的图像根据不同视点的对应信息聚集到同一图像中，从而构建出输入EPI矩阵Y，并将其代入待求解的双约束代价函数中；步骤S3：根据压缩感知框架，确定一个测量矩阵Φ：采用等间隔采样矩阵作为测量矩阵，即构造出一个非零位置与实际摄像机的位置相一致的矩阵Φ，并将其代入待求解的双约束代价函数中；步骤S4：根据压缩感知框架，设定信号向量的非零元素个数ε，其值为一个常数，也被称为稀疏度；步骤S5：求解双约束代价函数中的表示系数s，其值为一个向量；步骤S6：求解双约束代价函数中的矩阵变量ψ，进而实现将原始信号表示成基矩阵；步骤S7：重复步骤S5与步骤S6，直至满足条件；所述条件为：循环次数超过阈值或系数s中非零元素个数小于ε，即||s||0＜ε；步骤S8：将求解出的矩阵变量ψ与系数s相乘，从而获得原始信号的EPI矩阵；步骤S9：利用EPI模型，将步骤S8求得的EPI矩阵转换成大于测量信号维度的原始信号，从而得到视点更加密集的原始图像。2.根据...
【专利技术属性】
技术研发人员：兰诚栋，刘黛瑶，林宇鹏，
申请(专利权)人：福州大学，
类型：发明
国别省市：福建,35
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。