万文博， 祖兰晶， 薛泽颖， 王春兴

(1.山东师范大学 信息科学与工程学院，山东 济南 250358； 2.山东师范大学 物理与电子科学学院，山东 济南 250358)

0 引言

3D电影利用人的双眼视差，显示因位置差异而略有不同的2个图像，给观影者以身临其境的感觉。其中，3D场景的产生一方面主要依靠颜色数据，另一方面主要依靠高分辨率(high resolution，HR)深度数据。HR深度数据与颜色数据相比更难获得，因此成为研究的重点。

当前可通过利用彩色图像引导和深度学习等方式获得HR深度图。其中，Ren等[1]将图像中的像素点进行分类并将HR深度图像完成联合双边滤波(pixel category and joint bilateral filtering，PCJBF)，该算法实验输出的任意像素点的深度值存在较大偏差。Gu等[2]提出加权分析模型，利用动态调整增强深度不连续区域，但不能有效利用彩色图像的引导作用。Yang等[3]提出用于HR深度修正的自适应彩色图像引导的自回归模型(autogressive model，AR)，其即时性较差，所需的存储空间也较大，不能有效避免产生梯度反转伪像[4]以及细节边缘不清晰的问题。Qiao等[5]提出基于像素点聚类的深度上采样算法，当像素点所处区域的特性不同时，无法获得较好的像素点聚类与区域分割的结果。Ferstl等[6]利用图像建模优化，并使用各向异性扩散张量完成深度修正，不能降低不同区域间像素的影响。Wen等[7]利用卷积网络级联的深度学习算法完成图像超分辨，但GAN网络训练的稳定性不足，其结果不能充分地说明与解释其有效性。

针对上述问题，本文提出了自适应参数与边缘点引导的深度图像超分辨率重建算法。……