[发明专利]基于最小生成树的非局部的深度图超分辨率重建方法

权利要求书

1.一种基于最小生成树的非局部的深度图超分辨率重建方法，其特征是，包括下列步骤：

1）采用Middlebury的数据集即成对彩色图和深度图作为测试数据，根据超分辨率比例对深度图进行下采样，得到需要进行重建的初始的低分辨率深度图，然后对初始深度图进行一步简单的预处理，即采用双三次插值（Bicubic Interpolation）将下采样后的深度图放大至原来的尺寸；

2）将彩色纹理导图看作一幅连通的无向图G=（V,E），节点V对应于图像中所有的像素点，边E对应于图像中最邻近像素间的连线，这样就得到了一幅标准的4连通的平面图，设s和r是一对相邻的节点，连接s和r的边的权重定义如下：

ω(s,r)＝ω(r,s)＝|I(s)-I(r)|         (1)

ω(s,r)为连接s和r的边的权值，I(s)和I(r)是节点对应像素的强度值；

3）由2）中的无向连通图G，得到与之对应的MST（MST，Minimum Spanning Tree），在生成MST的过程中，权值较大的边会被移除，这些边正好对应于彩色图中强度值变化较大的区域；

4）根据MST对预处理之后的粗糙的深度图进行重建，在MST中，两个节点之间的距离越小，两者越相似，节点间距离为连接二者最短路径的边权的总和，节点间的相似度定义如下：

S(p,q)＝S(q,p)＝exp(-D(p,q)/σ)         (2)

p、q为MST中的节点，σ是一个常数，用来对相似度进行调整，这样就将Joint Bilateral Filter扩展至最小生成树结构，双边滤波在对图像进行平滑的同时能够有效的保护边缘信息，在立体匹配代价聚合中得到广泛应用，双边滤波的定义如下：

IA(m)=Σnexp(-|m-n|σS)exp(-|I(m)-I(n)|σR)I(n)Σnexp(-|m-n|σS)exp(-|I(m)-I(n)|σR)---(3)]]>

I^A(m)代表当前像素点m加权平均之后的值，n为m点M×N领域内的像素点，|m-n|表示邻域像素与当前像素之间的空间距离，单位为像素；I(n)代表原始的像素值，|I(m)-I(n)|表示像素强度间的差异，σ_S和σ_R是用来调整空间和幅值相似性的参数，分母是归一化因子；

最小生成树下的定义：

IA(p)=ΣqS(p,q)I(q)=Σqexp(-D(p,q)σ)I(q)---(4)]]>

q是MST中除当前节点p外的所有的节点，MST下的加权平均将两个相似性参数σ_S和σ_R化归为σ。