CN106169179A - 图像降噪方法以及图像降噪装置 - Google Patents
图像降噪方法以及图像降噪装置 Download PDFInfo
- Publication number
- CN106169179A CN106169179A CN201610513390.1A CN201610513390A CN106169179A CN 106169179 A CN106169179 A CN 106169179A CN 201610513390 A CN201610513390 A CN 201610513390A CN 106169179 A CN106169179 A CN 106169179A
- Authority
- CN
- China
- Prior art keywords
- depth image
- image
- depth
- function
- formula
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000009467 reduction Effects 0.000 title claims description 9
- 230000000694 effects Effects 0.000 claims abstract description 17
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 15
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 15
- 238000002203 pretreatment Methods 0.000 claims abstract description 3
- 238000001914 filtration Methods 0.000 claims description 24
- 238000005516 engineering process Methods 0.000 description 10
- 230000002146 bilateral effect Effects 0.000 description 9
- 230000000007 visual effect Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000004880 explosion Methods 0.000 description 2
- 238000011946 reduction process Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- VYMDGNCVAMGZFE-UHFFFAOYSA-N phenylbutazonum Chemical compound O=C1C(CCCC)C(=O)N(C=2C=CC=CC=2)N1C1=CC=CC=C1 VYMDGNCVAMGZFE-UHFFFAOYSA-N 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003238 somatosensory effect Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20028—Bilateral filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开一种图像降噪方法以及装置,所述图像降噪方法是虚拟视点合成中深度图像的降噪方法,包括:深度图像获取步骤,利用深度图像采集装置对场景的深度图像进行获取;深度图像预处理步骤,对深度图像中出现的空洞区域进行填充;深度图像滤波步骤,将所述深度图像采集装置所采集的深度图像中的无效值进行滤波,得到相对平滑的深度数据;以及重构步骤,通过对虚拟图像的深度图像进行重构,从而实现虚拟视点合成效果。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及在自由视点电视中应用的、在基于有限视点合成的任意视角图像中对所获取的深度图像进行降噪处理,从而便于虚拟视点的绘制的技术。
背景技术
随着互联网技术的飞速提升,网络已经成为人们生活中不可缺少的一部分,线上交流逐渐成为了人们主要的通讯手段。如今,在电子通讯行业的迅速发展,数字图像技术对于视频内容的生成、传播与表达是一个很有力的工具,尤其是立体显示技术可以更加真实的表达场景的深度层次感。自由视点立体电视(FTV:Free-viewpoint TV)是一个很好的例子,其特点在于观察者在电视的不同方位可观看电视图像中的场景不同视角的图像。所以多视点图像(Multi-view image)逐渐成为了人们的关注点。
该技术主要应用于在复杂且蕴含重要信息的视频中对于视角的扩展。自由视角电视是此技术中一个很好的例子,该电视可以提供比传统媒体更多的信息,我们可以通过自由视角电视实时动态地看到任意视角的自然场景。图1展示了足球场及不同位置的摄像机,图2表示自由视点电视可根据观众喜好观看不同视角视频。三维立体显示技术是利用了人的立体视觉特性,将左右眼睛所看到相同场景中具有视差的图像信息,经过大脑的合成使人们产生空间感。三维电视是一种3D显示设备,是如今继高清电视技术之后新的发展趋势。在三维电视***中,使用者能够看到有深度层次的图像,也可以选择观看的方向与角度。三维电视***中虚拟视点图像合成是其中的关键技术,在场景中安置多个摄像机在不同角度进行拍摄,根据已拍摄的参考图像来绘制场景中新的图像,此过程称为虚拟视点合成。这能够让观众在显示器端看到不同位置的图像和视频,进而能够感受到真实场景的空间感,也减少了视频所需的数据量。
在该方法中利用相关深度传感器Microsoft的kinect游戏设备对深度图像进行获取。深度图像获取装置摄像机主要分为三部分:RGB彩色摄像头,红外深度传感器和麦克风,该设备的测距方法称之为激光散斑图测距。所谓的激光散斑图测距是一种结构光原理的测距技术,结构光测距也是三角测量原理的一种,该方法与传统的双目测距方法不同,结构光测距技术不是利用场景的颜色和纹理对距离进行测量,而是利用主动发射光源例如平行的线条、散斑等,将其光源投影在物体表面根据反射的图案通过内部计算得出物体表面的空间结构,再利用相似三角形原理得出物体的深度参数。
深度图像获取装置所采用的方法在结构光技术有的改进,利用红外光通过光栅投射到物体表面上会呈现衍射斑点,这些斑点具有随机性,他们在空间中不同位置会呈现出各种不同形状的图案,这些图案被称之为激光散斑。在该***中,空间通常被分为许多层,每个层都会有相应的参考面,设备会计算出参考平面上散斑图,非参考平面上的位置会根据与所有参考平面进行比对进而计算获取,这些点与参考平面的偏差对应其散斑图案在深度图像获取装置的基线方向上的偏移。利用红外图像各个点对应的参考平面进行互相关计算,可以得到该场景各个点的深度数据和空间结构。
但是由于深度图像获取装置的自身原理会导致其深度图像并不完善,在玻璃或非漫反射位置会出现深度图像无效位置,利用深度图像获取装置获取深度图像如图5所示。
为了解决虚拟视点合成中深度图像的优化问题,本发明对获取到的深度图像进行滤波处理,本方法主要采用双边滤波对深度图像进行处理,其特点在于深度图处理后可以保持原边界效果而对图像内部进行平滑。
发明内容
本发明所涉及的一种图像降噪方法,是虚拟视点合成中深度图像的降噪方法,其中,包括:深度图像获取步骤,利用深度图像采集装置对场景的深度图像 进行获取;深度图像预处理步骤,对深度图像中出现的空洞区域进行填充;深度图像滤波步骤,将深度图像采集装置所采集的深度图像中的无效值进行滤波,得到相对平滑的深度数据;以及重构步骤,通过对虚拟图像的深度图像进行重构,从而实现虚拟视点合成效果。
优选为,所述深度图像滤波步骤中,利用由下式所表达的双边滤波器对深度图像进行滤波,
h(x)=k-1∫∫Df(ξ)c(ξ-x)s(f(ξ)-f(x))dξ (1)
式中,k是标准化的常数,D代表频域,亲近函数c和相似函数s都是高斯函数。
优选为,双边滤波器的表达式中的参数c是一个完全对称的函数,由下式所表示:
这里,σd是欧氏距离的方差,函数s与c类似其形式为等式(3),
式中,σr代表色域的方差。
本发明所涉及的图像降噪装置是虚拟视点合成中深度图像的降噪装置包括:深度图像获取模块,利用深度图像采集装置对场景的深度图像进行获取;深度图像预处理模块,对深度图像中出现的空洞区域进行填充;深度图像滤波模块,将深度图像采集装置所采集的深度图像中的无效值进行滤波,得到相对平滑的深度数据;以及重构模块,通过对虚拟图像的深度图像进行重构,从而实现虚拟视点合成效果。
附图说明
图1是本发明所涉及的图像降噪方法的流程图。
图2是本发明所涉及的图像降噪装置的功能框图。
图3是双边滤波和高斯滤波对比图,图3(a)表示原始状态,图3(b)表示加入了高斯噪声,图3(c)表示双边滤波,图3(d)表示高斯滤波。
图4(a)~图4(b)表示利用中值滤波和双边滤波生成的图像。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
本发明将Xbox游戏机的kinect体感设备(深度图像获取装置)所收集到的深度图像进行滤波处理,因为噪声会造成图像不光滑进而影响生成图像的效果,所以说深度图像的质量直接影响最终生成的结果。但是如果对结果图像进行平滑的话,图像就会变得很模糊。首先考虑如何补充深度图像空点的值。出现物体表面存在空点的原因是由于图像坐标计算错误及深度不连续而导致的。需要调整成周围最合适的值,这会出现一个像素点大小的空值区域。通过中值滤波对这些空洞区域通过进行填充。深度不连续会导致深度图中存在块状空洞区域。这些区域不能通过中值滤波进行填充。然而绝大多数深度图出现的空洞块是闭合连通的。所以这些区域可以通过其他相机的信息进行填充。
本发明对深度图像获取装置所采集的深度图像进一步进行降噪处理以便虚拟视点合成。
所谓视点是摄像机拍摄图像的所处位置,所谓虚拟视点是根据固定左右摄像 机所拍摄的图像通过相应算法获得中间任意视点的图像效果,由于此图像是通过图像处理得来并不是真实拍摄,所以称之为虚拟的视点。
本发明涉及虚拟视点合成中深度图像的降噪方法,其中,虚拟视点合成的方法的整个过程为:首先,由两个摄像头在不同角度获取彩色图像和深度图像;然后,对深度图像进行双边滤波预处理;接下来,根据深度图像生成边界图像;接下来,根据边界图像利用引导滤波生成蒙板图像。接下来,根据蒙板图像分离前景图像与背景图像;然后,分别对前景图像与背景图像进行三维变换;最后,将两幅变换后的图像进行相互补充空洞,从而完善虚拟视点图像效果。
本发明所涉及的图像降噪方法是在上述虚拟视点合成中在对深度图像进行双边滤波预处理的过程中降低图像噪声的方法。图1是表示本发明所涉及的虚拟视点合成中深度图像的图像降噪方法的流程图。如图1所示,本发明的虚拟视点合成中深度图像的降噪方法,包括:深度图像获取步骤S1,利用深度图像采集装置对场景的深度图像进行获取;深度图像预处理步骤S2,对深度图像中出现的空洞区域进行填充;深度图像滤波步骤S3,将深度图像采集装置所采集的深度图像中的无效值进行滤波,得到相对平滑的深度数据;以及重构步骤S4,通过对虚拟图像的深度图像进行重构,从而而实现虚拟视点合成效果。
具体来说,某些情况中,在生成有真实感的图像中对深度图进行滤波是很有必要的过程,因为噪声会造成图像不光滑进而影响生成图像的效果,所以说深度图像的质量直接影响最终生成的结果。但是如果对结果图像进行平滑的话,图像就会变得很模糊。首先要考虑如何补充深度图像空点的值,出现物体表面存在空点的原因是由于图像坐标计算错误及深度不连续导致的。需要调整成周围最合适的值,这会出现一个像素点大小的空值区域。这些空洞区域通过中值滤波进行填充。深度不连续会导致深度图中存在块状空洞区域。这些区域不能通过中值滤波进行填充。然而绝大多数深度图出现的空洞块是闭合连通的。所以这些区域可以通过其他相机的信息进行填充,图4为深度图像的预处理效果。
具体来说,三维变换不仅在物体上会出现空白区域而且在同一物体上的深度 值不连续。这些会造成生成的图像从观看的角度会显得不自然,所以需要对这些图像进行平滑处理。大多数通常采用低通滤波器来对图像进行平滑处理。然而原本在深度图像边界应该保留的部分在低通滤波器的作用下的边界会显得模糊。所以说低通滤波器不能满足我们所需的要求,所以我们采用双边滤波器进行相应操作,等式(1)就是该滤波器的定义式。
h(x)=k-1∫∫Df(ξ)c(ξ-x)s(f(ξ)-f(x))dξ (1)
式中,k是标准化的常数,D代表频域,这是一个平移不变的高斯滤波器。这里亲近函数c和相似函数s都是高斯函数。c是一个完全对称的函数如等式2所示。
这里,是欧氏距离的方差,函数s与c类似其形式为等式3。
在公式(3)中,代表色域的方差。在这种情况下,颜色空间较远的点其权重较小,这些点在平滑过程后保留了边界区域。
图2是本发明所涉及的图像降噪装置的功能框图。如图2所示,本发明所涉及的图像降噪装置是虚拟视点合成中深度图像的降噪装置1包括:深度图像获取模块10,其利用深度图像采集装置对场景的深度图像进行获取;深度图像预处理模块11,其对深度图像中出现的空洞区域进行填充;深度图像滤波模块13,其将深度图像采集装置所采集的深度图像中的无效值进行滤波,得到相对平滑的深度数据;以及重构模块14,其通过对虚拟图像的深度图像进行重构,从而实现虚拟视点合成效果。
图3(a)表示原始状态,图3(b)表示添加了高斯噪声之后的状态,图3(c)和图3(d)表示通过双边滤波和高速滤波处理后的效果。图3(a)利用双边滤波能够很好地将边界区域恢复出来。
图4(a)和图4(b)表示利用中值滤波和双边滤波生成的图像。
在本方法中,发明者在虚拟视点合成过程中提出了深度图像降噪的新方法。这个方法可将虚拟图像的深度图像单一颜色区域内部进行平滑处理,这种滤波方法可有效的解决基于深度图像绘制技术(DIBR)所出现的问题,将深度图像获取装置所采集的深度图像中无效值进行滤波后得到相对平滑的深度数据,进而使得虚拟图像的绘制效果增强。其次,光线空间的实现可利用对虚拟图像的深度图进行重构来完成,最终实现虚拟视点合成效果。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (6)
1.一种图像降噪方法,是虚拟视点合成中深度图像的降噪方法,其特征在于,
包括:
深度图像获取步骤,利用深度图像采集装置对场景的深度图像进行获取;
深度图像预处理步骤,对深度图像中出现的空洞区域进行填充;
深度图像滤波步骤,将深度图像采集装置所采集的深度图像中的无效值进行滤波,得到相对平滑的深度数据;以及
重构步骤,通过对虚拟图像的深度图像进行重构,从而实现虚拟视点合成效果。
2.根据权利要求1所述的图像降噪方法,其特征在于,
所述深度图像滤波步骤中,利用由下式所表达的双边滤波器对深度图像进行滤波,
h(x)=k-1∫∫Df(ξ)c(ξ-x)s(f(ξ)-f(x))dξ (1)
式中,k是标准化的常数,D代表频域,亲近函数c和相似函数s都是高斯函数。
3.根据权利要求2所述的图像降噪方法,其特征在于,
双边滤波器的表达式中的参数c是一个完全对称的函数,由下式所表示:
这里,σd是欧氏距离的方差,函数s与c类似其形式为等式(3),
式中,σr代表色域的方差。
4.一种图像降噪装置,是虚拟视点合成中深度图像的降噪装置,其特征在于,
包括:
深度图像获取模块,利用深度图像采集装置对场景的深度图像进行获取;
深度图像预处理模块,对深度图像中出现的空洞区域进行填充;
深度图像滤波模块,将深度图像采集装置所采集的深度图像中的无效值进行滤波,得到相对平滑的深度数据;以及
重构模块,通过对虚拟图像的深度图像进行重构,从而实现虚拟视点合成效果。
5.根据权利要求4所述的图像降噪方法,其特征在于,
所述深度图像滤波模块中,利用由下式所表达的双边滤波器对深度图像进行滤波,
h(x)=k-1∫∫Df(ξ)c(ξ-x)s(f(ξ)-f(x))dξ (1)
式中,k是标准化的常数,D代表频域,亲近函数c和相似函数s都是高斯函数。
6.根据权利要求5所述的图像降噪装置,其特征在于,
双边滤波器的表达式中的参数c是一个完全对称的函数,由下式所表示:
这里,σd是欧氏距离的方差,函数s与c类似其形式为等式(3),
式中,σr代表色域的方差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610513390.1A CN106169179A (zh) | 2016-06-30 | 2016-06-30 | 图像降噪方法以及图像降噪装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610513390.1A CN106169179A (zh) | 2016-06-30 | 2016-06-30 | 图像降噪方法以及图像降噪装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106169179A true CN106169179A (zh) | 2016-11-30 |
Family
ID=58066073
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610513390.1A Pending CN106169179A (zh) | 2016-06-30 | 2016-06-30 | 图像降噪方法以及图像降噪装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106169179A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018133119A1 (zh) * | 2017-01-23 | 2018-07-26 | 中国科学院自动化研究所 | 基于深度相机进行室内完整场景三维重建的方法及*** |
CN109693387A (zh) * | 2017-10-24 | 2019-04-30 | 三纬国际立体列印科技股份有限公司 | 基于点云数据的3d建模方法 |
CN112070700A (zh) * | 2020-09-07 | 2020-12-11 | 深圳市凌云视迅科技有限责任公司 | 一种去除深度图像中突起干扰噪声的方法与装置 |
CN112446836A (zh) * | 2019-09-05 | 2021-03-05 | 浙江舜宇智能光学技术有限公司 | 用于tof深度相机的数据处理方法及其*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101937578A (zh) * | 2010-09-08 | 2011-01-05 | 宁波大学 | 一种虚拟视点彩色图像绘制方法 |
US20120200669A1 (en) * | 2009-10-14 | 2012-08-09 | Wang Lin Lai | Filtering and edge encoding |
CN103455984A (zh) * | 2013-09-02 | 2013-12-18 | 清华大学深圳研究生院 | 一种Kinect深度图像获取方法与装置 |
-
2016
- 2016-06-30 CN CN201610513390.1A patent/CN106169179A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120200669A1 (en) * | 2009-10-14 | 2012-08-09 | Wang Lin Lai | Filtering and edge encoding |
CN101937578A (zh) * | 2010-09-08 | 2011-01-05 | 宁波大学 | 一种虚拟视点彩色图像绘制方法 |
CN103455984A (zh) * | 2013-09-02 | 2013-12-18 | 清华大学深圳研究生院 | 一种Kinect深度图像获取方法与装置 |
Non-Patent Citations (1)
Title |
---|
王陈: "基于小波与双边滤波的医学超声图像去噪算法", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018133119A1 (zh) * | 2017-01-23 | 2018-07-26 | 中国科学院自动化研究所 | 基于深度相机进行室内完整场景三维重建的方法及*** |
CN109693387A (zh) * | 2017-10-24 | 2019-04-30 | 三纬国际立体列印科技股份有限公司 | 基于点云数据的3d建模方法 |
CN112446836A (zh) * | 2019-09-05 | 2021-03-05 | 浙江舜宇智能光学技术有限公司 | 用于tof深度相机的数据处理方法及其*** |
CN112446836B (zh) * | 2019-09-05 | 2023-11-03 | 浙江舜宇智能光学技术有限公司 | 用于tof深度相机的数据处理方法及其*** |
CN112070700A (zh) * | 2020-09-07 | 2020-12-11 | 深圳市凌云视迅科技有限责任公司 | 一种去除深度图像中突起干扰噪声的方法与装置 |
CN112070700B (zh) * | 2020-09-07 | 2024-03-29 | 深圳市凌云视迅科技有限责任公司 | 一种去除深度图像中突起干扰噪声的方法与装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8711204B2 (en) | Stereoscopic editing for video production, post-production and display adaptation | |
US9445072B2 (en) | Synthesizing views based on image domain warping | |
Dufaux et al. | Emerging technologies for 3D video: creation, coding, transmission and rendering | |
Feng et al. | Object-based 2D-to-3D video conversion for effective stereoscopic content generation in 3D-TV applications | |
US20100085423A1 (en) | Stereoscopic imaging | |
Cheng et al. | Spatio-temporally consistent novel view synthesis algorithm from video-plus-depth sequences for autostereoscopic displays | |
CN108475327A (zh) | 三维采集与渲染 | |
CN104902255B (zh) | 一种基于体扫描三维显示***的数据源生成方法 | |
CN106169179A (zh) | 图像降噪方法以及图像降噪装置 | |
CN104506872B (zh) | 一种平面视频转立体视频的方法及装置 | |
CN109510975A (zh) | 一种视频图像的提取方法、设备及*** | |
CA2540538C (en) | Stereoscopic imaging | |
Devernay et al. | Adapting stereoscopic movies to the viewing conditions using depth-preserving and artifact-free novel view synthesis | |
US20180322689A1 (en) | Visualization and rendering of images to enhance depth perception | |
Stavrakis et al. | Image-based stereoscopic painterly rendering | |
Kao | Stereoscopic image generation with depth image based rendering | |
CN103945209A (zh) | 一种基于分块投影的dibr方法 | |
CN110149508A (zh) | 一种基于一维集成成像***的阵列图生成及填补方法 | |
CN102780900B (zh) | 一种多人多视角立体显示器影像显示方法 | |
Sharma et al. | A novel image fusion scheme for ftv view synthesis based on layered depth scene representation & scale periodic transform | |
TWM529333U (zh) | 立體嵌入式影像系統 | |
Kuo et al. | 2D-to-3D conversion for single-view image based on camera projection model and dark channel model | |
Istead et al. | Generating Rough Stereoscopic 3D Line Drawings from 3D Images | |
CN110418125B (zh) | 一种集成成像***的元素图像阵列快速生成方法 | |
US20230239456A1 (en) | Display system with machine learning (ml) based stereoscopic view synthesis over a wide field of view |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20161130 Assignee: Boya cloud (Beijing) Technology Co., Ltd. Assignor: Peking University Contract record no.: 2017990000367 Denomination of invention: Image denoising method and image denoising device License type: Common License Record date: 20170908 |
|
EE01 | Entry into force of recordation of patent licensing contract | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20161130 |
|
WD01 | Invention patent application deemed withdrawn after publication |