公开(公告)号：CN116596757A

公开(公告)日：2023-08-15

申请号：CN202310395979.6

申请日：2023-04-13

Applicant: 北京工业大学

Inventor： 朱青 ,  许伟 ,  齐娜 ,  黄隆禄 ,  曹坤 ,  赵溪源

IPC: G06T3/40 ,  G06T5/50 ,  G06T5/00

Abstract: 基于非局部自回归模型的深度图像超分辨率方法及装置，具有很好的客观结果，边界纹理更加清晰且几乎没有伪影存在，能够有效的压制噪声，具有最清晰的纹理而且几乎没有锯齿状的边界。方法包括：(1)向系统输入低分辨率的深度图和对应的彩图；(2)对低分辨率深度图像进行插值，并提取其轮廓；(3)对彩色图像进行轮廓提取，并利用深度图轮廓去除多余的纹理，获得特征图；(4)将插值后的深度图进行分块，训练多方向字典；(5)利用插值后的深度图计算自回归系数；(6)利用插值后的深度图和彩图的特征图，计算相似图像块；(7)利用多方向字典和重建模型，重建深度图；(8)输出重建后的高质量深度图。

公开(公告)号：CN107767357A

公开(公告)日：2018-03-06

申请号：CN201710825666.4

申请日：2017-09-14

Applicant: 北京工业大学

Inventor： 王瑾 ,  许伟 ,  王志强 ,  朱青

IPC: G06T5/50 ,  G06T3/40 ,  G06T7/90

CPC classification number: G06T5/50 ,  G06T3/4053 ,  G06T7/90 ,  G06T2207/10024 ,  G06T2207/20024

Abstract: 本发明公开一种基于多方向字典的深度图像超分辨率方法，包括以下步骤：步骤一：提取彩色图像特征，获得轮廓图；步骤二：对低分辨率深度图像进行插值，用高通滤波来表示其特征；步骤三：将低分辨率深度图像进行分块，计算每个图像块的几何方向；步骤四：进行字典训练；步骤五：根据步骤三中得到的几何方向，选择字典，重建深度图像。采用本发明的技术方案，使深度图像的分辨率得到增强，边界纹理区域清晰。

公开(公告)号：CN116597112A

公开(公告)日：2023-08-15

申请号：CN202310400126.7

申请日：2023-04-13

Applicant: 北京工业大学

Inventor： 齐娜 ,  曹坤 ,  朱青 ,  许伟 ,  潘长鑫 ,  卫佳鸣

IPC: G06T17/20 ,  G06T15/00 ,  G06N3/0464 ,  G06N3/042

Abstract: 基于几何先验网络的三维重建方法及装置，采用一个具有几何知识的数据驱动型深度神经网络，使用从粗到细的策略重建三维网格，为了丰富重建结果的几何细节，引入高斯曲率并设计实现了高斯曲率损失作为几何监督，来测量重建网格和目标网格在几何属性上的相似性，为了生成物理上精确的三维网格，设计实现了网格细分模块，该模块利用Loop细分算法将网格细化为光滑曲面的分段线性近似，并通过融合顶点自身及其相邻顶点的特征来更新顶点特征，因此本发明能够帮助网格获得丰富的几何细节，从而提高重建的精度，有助于改善粗糙表面，使得重建的模型在主观上表现更好。

公开(公告)号：CN107767357B

公开(公告)日：2021-04-09

申请号：CN201710825666.4

申请日：2017-09-14

Applicant: 北京工业大学

Inventor： 王瑾 ,  许伟 ,  王志强 ,  朱青

IPC: G06T5/50 ,  G06T3/40 ,  G06T7/90

Abstract: 本发明公开一种基于多方向字典的深度图像超分辨率方法，包括以下步骤：步骤一：提取彩色图像特征，获得轮廓图；步骤二：对低分辨率深度图像进行插值，用高通滤波来表示其特征；步骤三：将低分辨率深度图像进行分块，计算每个图像块的几何方向；步骤四：进行字典训练；步骤五：根据步骤三中得到的几何方向，选择字典，重建深度图像。采用本发明的技术方案，使深度图像的分辨率得到增强，边界纹理区域清晰。