一种通过深度学习算法使用常规图像生成全景图像的方法技术

本发明专利技术提供一种通过深度学习算法使用常规图像生成全景图像的方法，涉及图像处理技术领域，包括如下操作步骤：准备工作，分析画面内容，分析画面运动，分析相机信息，构建基础环境，生成扩充图像，优化扩充图像，加入原始图像，优化原始图像，合并新旧图像，优化合并图像，再次利用深度学习算法对原始图像边缘进行重绘，使原始图像与新全景图在衔接过渡区域更加真实自然，本发明专利技术利用深度学习等算法，实现了将原始视野范围有限的常规图像进行内容扩展，从而以低成本和高效率的方式获取全景图像，该方法利用了人工智能技术的优势，为全景图像的获取提供了一种创新且实用的途径。图像的获取提供了一种创新且实用的途径。图像的获取提供了一种创新且实用的途径。

【技术实现步骤摘要】
一种通过深度学习算法使用常规图像生成全景图像的方法


[0001]本专利技术涉及图像处理
，尤其涉及一种通过深度学习算法使用常规图像生成全景图像的方法。

技术介绍

[0002]全景图像是一种包含了360度视场范围信息的全方位视觉图像，广泛应用于建筑、景点展示、虚拟现实、电影广告制作等领域。
[0003]全景图像传统的获取方法包括使用专业全景相机、三维虚拟场景渲染以及多角度多张图像拼接等，这些方法的门槛相对较高，随着人工智能的不断发展，利用深度学习算法解决以往技术难题已经逐渐成为现实，若能利用深度学习算法成功解决全景图制作中的技术难题，将为众多行业带来巨大的益处和便利。
[0004]因此，有必要提供一种新的通过深度学习算法使用常规图像生成全景图像的方法解决上述技术问题。

技术实现思路

[0005]为解决通过利用深度学习算法解决全景图制作技术难题的技术问题，本专利技术提供一种通过深度学习算法使用常规图像生成全景图像的方法。
[0006]本专利技术提供的通过深度学习算法使用常规图像生成全景图像的方法包括如下本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种通过深度学习算法使用常规图像生成全景图像的方法，其特征在于，该方法包括如下操作步骤：S1：选取原始影片或多张区域图像；S2：分析画面内容，利用卷积神经网络或生成对抗网络深度学习技术训练一个模型，用于识别多张原始图像中的主要元素特征信息或逐帧从原始视频中提取关键元素特征；S3：分析画面运动，应用相机跟踪算法从原始视频中提取相机的运动状态信息；S4：分析相机信息，根据提取到的画面元素位置及镜头运动状态，估计当前图像对应的相机参数；S5：构建基础环境，在虚拟三维空间中，创建一个虚拟相机，设置与前述提取的相机参数相一致，定义一个球心位于相机位置的球形画布；S6：生成扩充图像，卷积神经网络或生成对抗网络深度学习，训练一个模型用于生成特征图像；S7：优化扩充图像，应用等深度学习算法对生成的帧序列进行插值优化，以产生更精确且更自然的帧插值结果；S8：加入原始图像，根据求得的相机信息，将原始图像缩放并对齐至相机前方，使得虚拟相机观察到的图像内容与实际拍摄时的空间位置重合；S9：优化原始图像，基于深度学习算法，结合提取的相机信息和图像信息，以及前后帧关系，对原始图像进行重绘，修正画面缺陷，并提高画面清晰度；S10：合并新旧图像，以相机位置为起点，将原始图像映射至球形画布上，并与生成的全景图像序列叠加；S11：优化合并图像，再次利用深度学习算法对原始图像边缘进行重绘，使原始图像与新全景图在衔接过渡区域更加真实自然。2.根据权利要求1所述的通过深度学习算法使用常规图像生成全景图像的方法，其特征在于，所述生成扩充图像步骤中根据需求定义相关提示词，...

【专利技术属性】
技术研发人员：郑彬斌，
申请(专利权)人：郑彬斌，
类型：发明
国别省市：