摘要
本发明公开了一种基于混合退化和内容感知的立体图像盲超分辨率方法,属于图像处理技术领域;本发明针对目前尚未存在真实场景立体图像数据集的问题,提出了一种立体图像高阶门控退化模型来生成立体图像合成数据集,从而模拟真实世界场景中的复杂退化。其次,提出了一种用于立体图像的混合退化‑内容表征学习机制。该机制通过无监督对比学习的方式,使得网络不仅能够提取到立体图像中的退化信息,而且可以联合提取到左视点图像和右视点图像中的显式内容信息,并将此学习到的HDCR作为先验信息来辅助网络进行更好的重建。然后,本发明设计了一种混合先验融合块,它能够自适应地处理各种不同的复杂退化,并将学习到的先验信息高效地融合进网络中。最后,本发明提出了一种跨视点视差注意力模块来准确捕获跨视点信息。本发明为真实场景下的立体图像超分辨率方法提供了研究方案,在一定程度上推动了图像检测和分割等高层视觉任务的发展。
技术关键词
退化模型
可变形卷积层
生成立体图像
模拟真实世界
门控制器
编码器
网络
融合先验信息
立体图像数据
超分辨率方法
注意力
机制
全局平均池化
无监督
场景
系统为您推荐了相关专利信息
注意力机制
手势分割方法
图片
全卷积网络
可变形卷积层
两阶段退化产品
剩余寿命预测方法
状态监测数据
滤波方法
退化模型
字典学习模型
图像去噪方法
噪声图像
基础构造
网络