[发明专利]一种深度超分辨率图像滤波处理方法

说明书

本发明涉及自动驾驶图像处理技术领域，涉及一种深度超分辨率图像滤波处理方法，包括以下步骤，S1、输入待处理的图像I；S2、将深度超分辨率图像滤波框架带入到图像I中，得到图像I的上采样密集深度图像D^F；或者在步骤S2中，将深度超分辨率图像滤波模型代替深度超分辨率图像滤波框架，将深度超分辨率图像滤波模型带入到图像I中，得到图像I的上采样密集深度图像D^F。本发明克服了有技术中图像平滑滤波处理效率低下的缺陷，提高了图像滤波处理精度，达到高效快速滤波处理图像的目的。

技术领域

本发明涉及自动驾驶图像处理技术领域，更具体地说，涉及一种深度超分辨率图像滤波处理方法。

背景技术

自动驾驶汽车又称无人驾驶汽车、电脑驾驶汽车、或轮式移动机器人，是一种通过电脑系统实现无人驾驶的智能汽车。在20世纪已有数十年的历史，21世纪初呈现出接近实用化的趋势。自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。在自动驾驶汽车的行驶过程中，必然要使用到摄像头来拍摄路况并对路况图像进行图像平滑滤波处理以方便进行后面的图像识别处理工序。

将深度超分辨率(SR)的低分辨率有源深度传感器和用于高分辨率RGB传感器进行融合运用正成为计算机视觉中的热门话题，并经过实验校验后证明该基于边缘感知滤波器与插值的融合技术在标准上是非常有效的。但是，由于现有的低分辨率有源深度传感器以及用于高分辨率RGB传感器在融合过程中由于出现权重处理失衡，从而导致其融合生成的的边缘保护滤波器无法在保护大部分的边缘锐化的同时平滑大范围的噪音，降低了图像平滑滤波处理效率，从而使得该融合边缘保护滤波器需要耗费大量的时间在图像平滑滤波处理过程中，造成图像处理速度慢，运算量大，使得图像平滑滤波处理效率低下，难以满足自然人机交互的高速实现要求。

发明内容

有鉴于此，本发明提供了一种深度超分辨率图像滤波处理方法，以解决现有技术中图像平滑滤波处理效率低下的缺陷。

一种深度超分辨率图像滤波处理方法，包括以下步骤：

S1、输入待处理的图像I；

S2、将深度超分辨率图像滤波框架带入到图像I中，得到图像I的上采样密集深度图像D^F；其中，该深度超分辨率图像滤波框架具体如公式1所示：

D^F为上采样密集深度图像，F(D)为上采样深度值的滤波图像，F(M)为未经上采样深度处理的滤波图像。

作为本发明的优选方案，该上采样深度值的滤波图像F(D)的处理步骤为：S21、计算图像I位于P处的上采样深度值D(P)；S22、将上采样深度值D(P)带入到滤波器F(x)中得到上采样深度值的滤波图像F(D)。

作为本发明的优选方案，在步骤S21中，上采样深度值D(P)的具体计算如公式2所示：

其中，为低分辨率深度图像；P和q表示图像I中像素的整数坐标；p_↓和q_↓表示相应的分数坐标；f(x)是以像素P处为中心的空间滤波器内核；g(x)是以P处的图像值为中心的范围滤波器内核；Ω是内核f(x)的空间支持域；k_p是归一化因子，即f(x)·g(x)滤波器权重的总和。

作为本发明的优选方案，步骤S22具体为：先选择确定滤波器F(x)的基本表达式，然后将上采样深度值D(P)带入到滤波器F(x)计算得到上采样深度值的滤波图像F(D)。