The invention discloses a method for filling holes in DIBR system based on generating confrontation network. Firstly, a batch of reference image samples and corresponding depth images are collected to generate training samples. The training samples are used to train the generating confrontation network, and a generation model for filling holes in DIBR system is obtained. Then, the same method as the training samples is used to generate the target image pairs to be filled. The corresponding tensor is generated and the foreground suppression mask is processed to get the input tensor, which is input into the generating model. Finally, the output result is further processed to get the target image filled with holes. The invention adopts generation antagonism network to extract low-level features and high-level semantic features, so as to improve the consistency of the filled void area and the remaining part of the pixels.
【技术实现步骤摘要】
基于生成对抗网络的DIBR系统空洞填充方法
本专利技术属于三维图像变换
,更为具体地讲,涉及一种基于生成对抗网络的DIBR系统空洞填充方法。
技术介绍
视图合成引擎(viewsynthesisengine)是3D显示技术的重要组成部分,视图合成引擎中主要有两类视图合成方法:基于三维模型的立体内容生成方法和基于图像绘制生成立体图像的方法,目前普遍采用的是基于深度图像绘制(depth-image-basedrendering,DIBR)算法。传统的3D立体显示技术需要传递两路或多路视图,产生连续环视(continuouslook-around),使人感受到立体效果。然而,DIBR技术可以只通过一路视频及其对应的深度图生成立体图像(stereoscopicimage)。采用DIBR技术合成的视图往往存在空洞(holes),产生空洞的主要原因是视图中物体的可见性随着视点的改变发生了变化,例如参考图像中被前景遮挡的背景物体,在目标图像中变得可见,故生成的虚拟视点图像(目标图像)存在部分信息内容缺失,从而产生空洞。如何合理且有效地填充这些空洞是DIBR技术中待解决的关键问题。近年来,研究人员提出了许多空洞填充的方法,这些方法大致可分为以下4类:(1)深度图预处理深度图预处理的基本思想是减少甚至避免视图合成后出现空洞。在深度图中深度不连续的地方往往会产生空洞。如果参考图像中的两个相邻像素点的深度值存在一定差异,则它们在三维图像变换中相应的位移是不同的,即这两个像素在目标图像中不再相邻。参考图像中两个像素之间的深度越大,空洞的宽度也越大。深度图像预处理通过减小相邻像 ...
【技术保护点】
1.一种基于生成对抗网络的DIBR系统空洞填充方法,其特征在于,包括以下步骤:S1:采用以下方法生成训练样本:S1.1:收集一批参考图像
【技术特征摘要】
1.一种基于生成对抗网络的DIBR系统空洞填充方法,其特征在于,包括以下步骤:S1:采用以下方法生成训练样本:S1.1:收集一批参考图像及对应的深度图像Dt,t=1,2,…,K,K表示参考图像数量;S1.2:将每幅参考图像和深度图像Dt进行三维图像变换,得到对应的目标图像并生成与目标图像相同尺寸的蒙版maskt,蒙版maskt用于标记空洞像素点,如果目标图像中的像素点是空洞像素点,则在蒙版maskt中对应的像素值为1,如果是非空洞像素点,则在蒙版maskt中对应的像素值为0;S1.3:将每幅参考图像的各个通道和对应的蒙版maskt分别转化为batch_size×Mt×Nt×1的张量,然后依次拼接得到batch_size×Mt×Nt×(L+1)的张量作为对应的训练样本,其中batch_size表示批尺寸,Mt×Nt表示参考图像的尺寸,L表示参考图像的通道数;S2:采用步骤S1生成的训练样本对生成对抗网络进行训练,得到用于DIBR系统空洞填充的生成模型;S3:对于经参考图像I′R进行图像三维变换得到的待空洞填充的目标图像I′S,生成与目标图像I′S相同尺寸的非空洞矩阵M′S和蒙版mask′,其中非空洞矩阵M′S用于区分目标图像I′S中的非空像素点和空洞像素点,对于目标图像I′S中的像素点是空洞像素点,则在非空洞矩阵M′S中将对应的元素值置为-1,反之,如果是非空洞像素点,则在非空洞矩阵M′S中将对应的元素值置为该像素点...
【专利技术属性】
技术研发人员:刘然,赵洋,肖迪,郑杨婷,刘亚琼,陈希,张艳珍,
申请(专利权)人:成都美律科技有限公司,重庆大学,
类型:发明
国别省市:四川,51
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。