【技术实现步骤摘要】
一种立体图像超分辨率方法、装置、设备和存储介质
[0001]本公开实施例涉及图像处理技术,尤其涉及一种立体图像超分辨率方法、装置、设备和存储介质。
技术介绍
[0002]立体图像超分辨率是基于立体图像中左视角图像和右视角图像之间的互补信息进行图像超分辨率的重建,从而获得高分辨率的立体图像。目前,通常是利用网络模型直接对立体图像进行超分辨率的重建处理。然而,这种超分辨率方式感受野较小,或者算力要求过高,从而降低了立体图像超分辨率的重建效果。
技术实现思路
[0003]本公开提供了一种立体图像超分辨率方法、装置、设备和存储介质,以提高立体图像超分辨率的重建效果,使得重建后的图像分辨率更高,图像纹理细节更加清晰。
[0004]第一方面,本公开实施例提供了一种立体图像超分辨率方法,包括:
[0005]获取立体图像中的左视角图像和右视角图像;
[0006]基于单帧重建网络模型,对所述左视角图像和所述右视角图像分别进行单帧超分辨率的重建,获得第一左视角重建图像和第一右视角重建图像;
[0007]基于立体图像超分模型,对所述第一左视角重建图像和所述第一右视角重建图像进行双帧超分辨率的重建,获得所述立体图像超分后的第二左视角重建图像和第二右视角重建图像。
[0008]第二方面,本公开实施例还提供了一种立体图像超分辨率装置,包括:
[0009]立体图像获取模块,用于获取立体图像中的左视角图像和右视角图像;
[0010]单帧超分辨率模块,用于基于单帧重建网络模型,对 ...
【技术保护点】
【技术特征摘要】
1.一种立体图像超分辨率方法,其特征在于,包括:获取立体图像中的左视角图像和右视角图像;基于单帧重建网络模型,对所述左视角图像和所述右视角图像分别进行单帧超分辨率的重建,获得第一左视角重建图像和第一右视角重建图像;基于立体图像超分模型,对所述第一左视角重建图像和所述第一右视角重建图像进行双帧超分辨率的重建,获得所述立体图像超分后的第二左视角重建图像和第二右视角重建图像。2.根据权利要求1所述的立体图像超分辨率方法,其特征在于,所述单帧重建网络模型为:自注意力变换网络模型;所述立体图像超分模型包括卷积网络子模型和视差注意力网络子模型;其中,所述卷积网络子模型用于单目信息的聚合处理,所述视差注意力网络子模型用于双目信息的聚合处理。3.根据权利要求1所述的立体图像超分辨率方法,其特征在于,所述单帧重建网络模型包括:具有相同结构的第一自注意力变换网络模型和第二自注意力变换网络模型;所述基于单帧重建网络模型,对所述左视角图像和所述右视角图像分别进行单帧超分辨率的重建,获得第一左视角重建图像和第一右视角重建图像,包括:将所述左视角图像输入至所述第一自注意力变换网络模型中进行左视角信息的聚合重建,获得第一左视角重建图像;将所述右视角图像输入至所述第二自注意力变换网络模型中进行右视角信息的聚合重建,获得第一右视角重建图像。4.根据权利要求3所述的立体图像超分辨率方法,其特征在于,所述第一自注意力变换网络模型包括:特征提取子模型、基于自注意力机制的多个变换子模型和融合重建子模型;所述将所述左视角图像输入至所述第一自注意力变换网络模型中进行左视角信息的聚合重建,获得第一左视角重建图像,包括:将所述左视角图像输入至所述特征提取子模型中进行左视角信息的提取,获得第一左视角特征信息;将所述第一左视角特征信息输入至串行连接的多个变换子模型中进行左视角信息的聚合,获得最后一个变换子模型输出的第二左视角特征信息;将所述第一左视角特征信息和所述第二左视角特征信息输入至所述融合重建子模型中进行融合重建,获得第一左视角重建图像。5.根据权利要求4所述的立体图像超分辨率方法,其特征在于,所述融合重建子模型用于:将输入的所述第一左视角特征信息和所述第二左视角特征信息进行相加,获得第三左视角特征信息,并基于所述第三左视角特征信息进行图像重建,获得第一左视角重建图像。6.根据权利要求3所述的立体图像超分辨率方法,其特征在于,所述将所述左视角图像输入至所述第一自注意力变换网络模型中进行左视角信息的聚合重建,获得第一左视角重建图像,包括:获取所述左视角图像的多个相邻图像;将所述左视角图像和所述多个相邻图像输入至所第一自注意力变换网络模型中进行
左视角信息的聚合重建,获得第一左视角重建图像。7.根据权利要求1所述的立体图像超分辨率方法,其特征在于,所述立体图像超分模型包括:第一卷积网络子模型、第二卷积网络子模型以及与所述第一卷积网络子模型和第二卷积网络子模型连接的视差注意力网络子模型;所述基于立体图像超分模型,对所述第一左视角重建图像和所述第一右视角重建图像进行双帧超分辨率的重建,获得所述立体图像超分后的第二左视角重建图像和第二右视角重建图像,包括:将所述第一左视角重建图像和所述第一右视角重建图像分别输入至第一卷积网络子模型和第二卷积网络子模型中进行单目信息的聚合重建,并在单目信息的聚合重建过程中利用所述视差注意力网络子模型进行双目信息的聚合处理,获得所述立体图像超分后的第二左视角重建图像和第二右视角重建图像。8.根据权利要求7所述的立体图像超分辨率方法,其特征在于,所述第一卷积网络子模型包括:第一特征提取模块、多个第一卷积模块和第一融合重建模块;所述第二卷积网络子模型包括:第二特征提取模块、多个第二卷积模块和第二融合重建模块;所述视差注意力网络子模型包括:多个视差注意力网络模块,其中,在每两组卷积模块之间插入一个视差...
【专利技术属性】
技术研发人员:程铭,马昊宇,马秋芳,孙晓鹏,赵世杰,李军林,
申请(专利权)人:脸萌有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。