路 晶

(中国民用航空飞行学院计算机学院，广汉 618307)

深度恢复是计算机视觉的一项基本任务，高质量的深度图为场景重建、飞行自主驾驶等许多计算机视觉任务提供了必要的三维信息[1-2]。虽然高质量的纹理或颜色信息可以很容易地被流行的彩色相机捕获，但对于主流的深度传感器来说，其获得的深度图不可避免地会受到各种退化的影响，如低分辨率、深度缺失或充满噪声等[3]。深度恢复任务的目标是从退化深度测量中恢复高质量的深度图。

深度恢复方法一般包括局部滤波方法和全局优化方法。Tanveer等[4]定义了一个广义滤波器，通过考虑制导图像的内容来计算滤波输出，从而导出一个像双边滤波器的边缘保持平滑算子。王瑞等[5]提出了一种具有简单滤波方法灵活性和速度的边缘感知平滑算法。尽管局部滤波方法简单有效，但短视局部判断通常不能提供足够的信息来捕捉全局结构。相比之下，全局优化方法将深度恢复任务描述为一个包含数据项和正则化项的优化模型。李波等[6]提出了一个马尔可夫随机场(Markov random field，MRF)模型，用于整合低分辨率深度图和高分辨率彩色图。Wang等[7]将正则化项建模为二阶全广义变分正则化，并对非各向异性扩散张量进行加权以指导上采样。交替方向乘子法(alternating direction method of multipliers，ADMM)是一种常用的算法，它通过引入辅助变量和拉格朗日乘子，将原来的复杂优化问题分解为一系列简单的子问题[8]。Yan等[9]提出的增广拉格朗日多重乘子方法通过在目标函数中添加二次罚项和拉格朗日乘子，将约束优化问题替换为一系列无约束问题。……