[发明专利]基于彩色约束项与字典学习的深度图像上采样方法及系统

权利要求书

1.基于彩色约束项与字典学习的深度图像上采样方法，其特征在于，所述深度图像上采样方法包括：

字典学习阶段：获取由高分辨率深度图像和低分辨率深度图像构成的数据集，其中，高分辨率深度图像和低分辨率深度图像一一对应；将数据集中各图像划分成多个图像块，获取每个图像块对应的特征空间；对特征空间进行聚类形成多个特征子空间，并以其作为训练样本，构建字典学习算法模型；

高分辨率深度图像重构阶段：以彩色图像的先验信息作为模型约束，利用训练样本和字典学习算法模型，迭代求解模型参数，得到低分辨率深度图像与高分辨率深度图像之间的映射关系；基于所述映射关系进行低分辨率深度图像上采样。

2.根据权利要求1所述的深度图像上采样方法，其特征在于，所述获取由高分辨率深度图像和低分辨率深度图像构成的数据集，包括：

对获取到的高分辨率深度图像进行高斯模糊操作，得到与所述高分辨率深度图像相对应的低分辨率深度图像；

基于所述高分辨率深度图像和所述低分辨率深度图像，构建数据集。

3.根据权利要求1所述的深度图像上采样方法，其特征在于，所述图像块包括高分辨率图像块和低分辨率图像块，在所述获取每个图像块对应的特征空间之前，所述深度图像上采样方法还包括：

移除高分辨率图像块中的低频信息，并且提取出低分辨率图像块中的高频信息；

利用最优主成分分析的方法对图像块进行降维操作。

4.根据权利要求1所述的深度图像上采样方法，其特征在于，所述特征子空间包括高分辨率特征子空间和低分辨率特征子空间；所述构建字典学习算法模型，包括：

建立高分辨率特征子空间和低分辨率特征子空间各特征子集之间的线性映射函数。

5.根据权利要求1所述的深度图像上采样方法，其特征在于，所述映射关系的确定方式如下：

获取低分辨率图像，将所述低分辨率图像进行分块，得到低分辨率图像块；

将所述低分辨率图像块构造为一个由L2范数正则化的最小二乘回归问题，并引入彩色图像的先验信息，得到重建权重；

基于所述重建权重，确定低分辨率深度图像与高分辨率深度图像之间的映射关系。

6.根据权利要求5所述的深度图像上采样方法，其特征在于，彩色图像的先验信息包括颜色约束项；将彩色图像转换为YUV颜色空间，根据YUV颜色空间的预设区域、预设区域的最近邻域，以及控制不同颜色通道的相对权重，确定所述颜色约束项。

7.根据权利要求6所述的深度图像上采样方法，其特征在于，所述重建权重表示如下：

其中，⊙表示逐点向量积，α_i为颜色约束项，W_i为重建权重，是W_i的估计值，为低分辨率字典的局部邻域，y_i为低分辨率图像块，λ为正则化参数。

8.基于彩色约束项与字典学习的深度图像上采样系统，其特征在于，所述深度图像上采样系统包括：

字典学习模块，用于获取由高分辨率深度图像和低分辨率深度图像构成的数据集，其中，高分辨率深度图像和低分辨率深度图像一一对应；将数据集中各图像划分成多个图像块，获取每个图像块对应的特征空间；对特征空间进行聚类形成多个特征子空间，并以其作为训练样本，构建字典学习算法模型；

高分辨率深度图像重构模块，用于以彩色图像的先验信息作为模型约束，利用训练样本和字典学习算法模型，迭代求解模型参数，得到低分辨率深度图像与高分辨率深度图像之间的映射关系；基于所述映射关系进行低分辨率深度图像上采样。

9.一种计算机设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至7任一所述的基于彩色约束项与字典学习的深度图像上采样方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至7任意一项所述的基于彩色约束项与字典学习的深度图像上采样方法的步骤。