基于加速框架的立体图像深度选择性模糊
计算机视觉与模式识别
2020-01-23 v1 机器学习
图像与视频处理
摘要
我们提出一种结合块与基于区域的立体匹配方法的混合立体视差估计方法。它仅利用18%图像像素（左或右）的视差测量生成稠密深度图。该方法包括使用快速K-Means实现分割像素亮度值，利用形态学滤波与连通分量分析细化分割边界，随后使用绝对差之和（SAD）代价函数确定边界视差。完整视差图由边界视差重建。我们考虑将该方法应用于立体图像非感兴趣区域的基于深度选择性模糊，使用高斯模糊对非用户感兴趣区域散焦。在Middlebury数据集上的实验表明，我们的方法优于使用SAD与归一化互相关的传统视差估计方法达33.6%，优于某些近期方法达6.1%。此外，基于Java线程池与APARAPI的CPU和GPU框架使我们的方法高度可并行化，对250帧立体视频（4,096 x 2,304）加速达5.8倍。
引用
@article{arxiv.2001.07809,
title = {Depth-Based Selective Blurring in Stereo Images Using Accelerated Framework},
author = {Subhayan Mukherjee and Ram Mohana Reddy Guddeti},
journal= {arXiv preprint arXiv:2001.07809},
year = {2020}
}
备注
arXiv admin note: text overlap with arXiv:2001.06967