【技术实现步骤摘要】
一种深度图人像边缘优化方法及处理装置
本专利技术涉及视觉及图像处理
,尤其涉及一种深度图人像边缘优化方法及处理装置。
技术介绍
随着科学技术的发展,目前双摄算法已基本成为智能手机的标配之一,很多智能手机厂商都纷纷推出自己的人像背景虚化效果,以期望在手机上获得与单反相机近似的背景虚化效果,提升人像拍摄的美学效果。但是,因受到双摄摄像头成像效果不一致、运动模糊、光噪声等影响,获取到深度图像中,人像深度图中的人像边缘往往是不完整的,人像边缘的深度信息准确性比较低,并不能很好的贴近人像的真实边界,直接使用这种深度图直接对背景进行虚化,会造成人像边缘有锯齿、部分人像被虚化,部分背景未虚化等问题,在某些场景下的虚化效果不理想,这为用户的使用带来了不便。
技术实现思路
本专利技术提出的一种深度图人像边缘优化方法及处理装置,以优化人像深度图人像边缘,使得人像的边缘更完整。根据本专利技术的第一方面,提出一种深度图人像边缘优化处理装置,包括:深度图像采集模块,置信度估计模块,深度学习模块,人像特征训练模块,以及边缘优化模块;所述深度图像采集模块获取人像的深度图与原图;所述置信度估计模块将所述深度图像转化为包括前景、背景、未知的三元图;所述深度学习模块结合原图对所述三元图进行估计与修正,得到修正后的三元图;所述人像特征训练模块根据所述修正后的三元图以及原图,对原图上前景、背景上的点进行分类训练,获得分类模型;以及所述边缘优化模块根据所述分类模型,对所述修正后 ...
【技术保护点】
1.一种深度图人像边缘优化处理装置,其特征在于,包括:/n深度图像采集模块,置信度估计模块,深度学习模块,人像特征训练模块,以及边缘优化模块;/n所述深度图像采集模块获取人像的深度图与原图;/n所述置信度估计模块将所述深度图像转化为包括前景、背景、未知的三元图;/n所述深度学习模块结合原图对所述三元图进行估计与修正,得到修正后的三元图;/n所述人像特征训练模块根据所述修正后的三元图以及原图,对原图上前景、背景上的点进行分类训练,获得分类模型;以及/n所述边缘优化模块根据所述分类模型,对所述修正后的三元图上的未知区域内的点进行预测和深度填充,得到优化后的人像深度图像。/n
【技术特征摘要】
1.一种深度图人像边缘优化处理装置,其特征在于,包括:
深度图像采集模块,置信度估计模块,深度学习模块,人像特征训练模块,以及边缘优化模块;
所述深度图像采集模块获取人像的深度图与原图;
所述置信度估计模块将所述深度图像转化为包括前景、背景、未知的三元图;
所述深度学习模块结合原图对所述三元图进行估计与修正,得到修正后的三元图;
所述人像特征训练模块根据所述修正后的三元图以及原图,对原图上前景、背景上的点进行分类训练,获得分类模型;以及
所述边缘优化模块根据所述分类模型,对所述修正后的三元图上的未知区域内的点进行预测和深度填充,得到优化后的人像深度图像。
2.如权利要求1所述的深度图人像边缘优化处理装置,其特征在于,所述边缘优化模块根据所述分类模型,对所述修正后的三元图上的未知区域内的点进行预测包括:将所述未知区域准确的分为前景与背景。
3.一种深度图人像边缘优化方法,包括步骤:
深度图像采集模块获取人像的深度图与原图,将深度图以及原图传输给置信度估计模块;
所述置信度估计模块将深度图像转化为包括前景、背景、未知的三元图,并将所述原图与所述三元图传输到深度学习模块中;
所述深度学习模块对所述三元图进行估计与修正,得到修正后的三元图,然后将所述修正后的三元图与原图传输给人像特征训练模块;
所述人像特征训练模块根据所述修正后的三元图以及原图,对原图上前景、背景上的点进行分类训练获得分类模型,使分类模型可以准确的估计前景与背景点;以及
所述边缘优化模块获取所述分类模型,对所述修正后的三元图上的未知区域内的点进行预测和深度填充,得到优化后的人像深度图像。
4.如权利要求3所述的深度图人像边缘优化方法,其特征在于,所述深度图像采集模块利用包括双摄模组或rgbd摄像头获取到人像的深度图与原图。
5.如权利要求3所述的深度图人像边缘优化方法,其特征在于,所述置信度估计模块将深度图像转化为包括前景、背景、未知的三元图,并将所述原图与所述三元图传输到深度学习模块中的步骤包括:
定义深度图D的宽度为w,高度为h,统计深度图中心部分宽度为2*p*w,高度为2*p*h的区域的平均深度...
【专利技术属性】
技术研发人员:赵晓刚,王永滨,江南,余维学,
申请(专利权)人:上海海栎创微电子有限公司,
类型:发明
国别省市:上海;31
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。