一种基于深度学的2D图像转3D图像的方法及系统

摘要

本发明提供了一种基于深度学的2D图像转3D图像的方法及系统。该方法包括：获取2D单视差图像的像素单元信息；利用VGG16深度卷积神经网络根据所述像素单元信息获取所述2D单视差图像的一元信息；获取所述2D单视差图像的相邻像素单元的颜色直方图关系、色彩空间关系和纹理关系；根据所述一元信息、相邻像素单元的颜色直方图关系、色彩空间关系和纹理关系训练多尺度深度全卷积神经网络；利用训练好的多尺度深度全卷积神经网络预测所述2D单视差图像的单元像素块深度图；将所述单元像素块深度图输入着色器获取所述2D单视差图像对应的3D图像。本发明避免了现有的人工由2D单视差图像生成深度图像结果不准确、成本高的缺陷，实现了自动将2D图像转换为3D图像。

主权项

一种基于深度学习的2D图像转3D图像的方法，其特征在于，包括：获取2D单视差图像的像素单元信息；利用VGG16深度卷积神经网络根据所述像素单元信息获取所述2D单视差图像的一元信息；获取所述2D单视差图像的相邻像素单元的颜色直方图关系、色彩空间关系和纹理关系；根据所述一元信息、相邻像素单元的颜色直方图关系、色彩空间关系和纹理关系训练多尺度深度全卷积神经网络；利用训练好的多尺度深度全卷积神经网络预测所述2D单视差图像的单元像素块深度图；将所述单元像素块深度图输入着色器获取所述2D单视差图像对应的3D图像。