2D到3D視頻轉(zhuǎn)換中的深度圖像傳播和上采樣的研究.pdf_第1頁
已閱讀1頁,還剩89頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、隨著3D顯示技術(shù)的迅速發(fā)展,立體3D功能能夠提供更加栩栩如生的視覺感受和視覺沖擊已經(jīng)成為高端電視的一個賣點。然而,根據(jù)最近的一項調(diào)查表明,由于缺乏立體3D內(nèi)容,消費者在觀看3D電視過程中其中使用立體3D功能的時間不到整個觀看時間的1%。為了解決這個問題,2D轉(zhuǎn)3D是一個非常有前景的方法。其中,深度圖的估計是2D轉(zhuǎn)3D的一個關(guān)鍵技術(shù),我們所需要做的是從已存的2D視頻中估計出準確的深度圖并利用深度圖像渲染技術(shù)來合成高質(zhì)量的立體3D視頻。在本

2、文中,我們通過對現(xiàn)有深度圖像估計方法的深入研究。討論了基于純手工、半自動和全自動的深度圖像估計方法,并分析了各自方法的優(yōu)缺點。通過對半自動深度圖像估計技術(shù)中的傳統(tǒng)深度圖像估計框架的深入研究,提出了四種改進的深度圖像估計算法。另外,考慮到現(xiàn)今深度圖像采集系統(tǒng)在預(yù)處理深度上采樣過程中存在不可避免的出現(xiàn)文本復(fù)制、孔洞等降低深度圖像質(zhì)量的問題,我們提出了一種改進的方法。本文深入討論了3D立體視頻生成過程中的深度圖像估計算法以及深度圖像采集系統(tǒng)中

3、深度圖像上采樣方法,主要從以下幾個方面開展了工作:
  1、分析了2D視頻立體化的原理,重點討論了基于純手工、半自動和全自動的深度圖像估計方法。
  2、提出了一種基于聯(lián)合測地距離的2D視頻立體化方法,為了產(chǎn)生高質(zhì)量的深度圖,我們利用了一種從關(guān)鍵幀深度圖像到非關(guān)鍵幀深度圖像估計的半自動方法?;趬K匹配來估計當前幀和參考幀之間的運動向量,并結(jié)合參考幀深度圖和運動估計向量來深度補償當前幀深度圖,最后利用聯(lián)合測地距離濾波進行深度圖

4、的優(yōu)化。實驗結(jié)果證明,改進的方法可以提高深度圖像的估計質(zhì)量。
  3、提出了一種基于超像素匹配并聯(lián)合雙邊濾波的2D轉(zhuǎn)3D視頻方法?;诔袼仄ヅ鋪砉烙嫯斍皫蛥⒖紟g的運動向量,并結(jié)合參考幀深度圖和運動估計向量來深度補償當前幀深度圖,最后利用聯(lián)合雙邊濾波進行深度圖的優(yōu)化。實驗結(jié)果證明,改進的方法可以提高深度圖像的估計質(zhì)量。
  4、提出了一種基于自適應(yīng)圖像引導的自回歸模型并聯(lián)合超像素匹配的半自動2D轉(zhuǎn)3D視頻深度傳播方法。

5、基于超像素匹配來估計當前幀和參考幀之間的運動向量,并結(jié)合參考幀深度圖和運動估計向量來深度補償當前幀深度圖,最后利用自回歸模型來最小化深度誤差。實驗結(jié)果證明,改進的方法可以得到高質(zhì)量深度圖。
  5、提出了一種基于超像素匹配并利用快速加權(quán)中值濾波的深度傳播方法。基于超像素匹配來估計當前幀和參考幀之間的運動向量,并結(jié)合參考幀深度圖和運動估計向量來深度補償當前幀深度圖,最后利用快速加權(quán)中值濾波進行深度圖的優(yōu)化。實驗結(jié)果證明,改進的方法可

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論