发明名称 |
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。 |
申请公布号 |
CN105979244A |
申请公布日期 |
2016.09.28 |
申请号 |
CN201610377597.0 |
申请日期 |
2016.05.31 |
申请人 |
十二维度(北京)科技有限公司 |
发明人 |
赵天奇;渠源;张阳 |
分类号 |
H04N13/02(2006.01)I |
主分类号 |
H04N13/02(2006.01)I |
代理机构 |
北京路浩知识产权代理有限公司 11002 |
代理人 |
李相雨 |
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。 |
地址 |
100024 北京市朝阳区五里桥一街1号院5号楼4层 |