分级特征反馈融合的深度图像超分辨率重建

受采集装置的限制,采集的深度图像存在分辨率较低、易受噪声干扰等问题.本文构建了分级特征反馈融合网络(Hierarchical feature feedback network,HFFN),以实现深度图像的超分辨率重建.该网络利用金字塔结构挖掘深度-纹理特征在不同尺度下的分层特征,构建深度-纹理的分层特征表示.为了有效利用不同尺度下的结构信息,本文设计了一种分级特征的反馈式融合策略,综合深度-纹理的边缘特征,生成重建深度图像的边缘引导信息,完成深度图像的重建过程.与对比方法相比,实验结果表明HFNN网络提升了深度图像的主、客观重建质量....

Full description

Saved in:
Bibliographic Details
Published in自动化学报 Vol. 48; no. 4; pp. 992 - 1003
Main Authors 张帅勇, 刘美琴, 姚超, 林春雨, 赵耀
Format Journal Article
LanguageChinese
Published 现代信息科学与网络技术北京市重点实验室 北京100044%北京科技大学计算机与通信工程学院 北京100083 01.04.2022
北京交通大学信息科学研究所 北京100044
Subjects
特征融合
残差学习
超分辨率重建
深度图像
Online AccessGet full text
ISSN0254-4156
DOI10.16383/j.aas.c200542

Cover

More Information
Summary:受采集装置的限制,采集的深度图像存在分辨率较低、易受噪声干扰等问题.本文构建了分级特征反馈融合网络(Hierarchical feature feedback network,HFFN),以实现深度图像的超分辨率重建.该网络利用金字塔结构挖掘深度-纹理特征在不同尺度下的分层特征,构建深度-纹理的分层特征表示.为了有效利用不同尺度下的结构信息,本文设计了一种分级特征的反馈式融合策略,综合深度-纹理的边缘特征,生成重建深度图像的边缘引导信息,完成深度图像的重建过程.与对比方法相比,实验结果表明HFNN网络提升了深度图像的主、客观重建质量.
ISSN:0254-4156
DOI:10.16383/j.aas.c200542