双尺度顺序填充的深度图像修复

目的 深度图像作为一种重要的视觉感知数据,其质量对于3维视觉系统至关重要.由于传统方法获取的深度图像大多有使用场景的限制,容易受到噪声和环境影响,导致深度图像缺失部分深度信息,使得修复深度图像仍然是一个值得研究并有待解决的问题.对此,本文提出一种用于深度图像修复的双尺度顺序填充框架.方法 首先,提出基于条件熵快速逼近的填充优先级估计算法.其次,采用最大似然估计实现缺失深度值的最优预测.最后,在像素和超像素两个尺度上对修复结果进行整合,准确实现了深度图像孔洞填充.结果 本文方法在主流数据集MB(Middlebury)上与7种方法进行比较,平均峰值信噪比(peak signal-to-noise ratio,PSNR)和平均结构相似性指数(structural similarity index,SSIM)分别为47.955 dB和0.9982;在手工填充的数据集MB+中,本文方法的PSNR平均值为34.697 dB,SSIM平均值为0.9785,对比其他算法,本文深度修复效果有较大优势.在时间效率对比实验中,本文方法也表现优异,具有较高的效率.在消融实验部分,对本文提出的填充优先级估计、深度值预测和双尺度改进分别进行评估,验证了本文创新点的有效性.结论 实验结果表明,本文方法在鲁棒性、精确度和效率方面相较于现有方法具有比较明显的优势.