鲁棒颜色引导深度图恢复

颜色引导深度图恢复中最具挑战性的问题之一是指导颜色图像中的颜色边缘与深度图上的深度不连续性之间的不一致。这使得恢复的深度图受到纹理复制伪影的影响，并模糊了深度不连续性。为了解决这个问题，大多数最先进的方法基于指导颜色图像设计复杂的引导权重，并启发式地利用输入深度图的双线性插值。在本文中，我们展示了当上采样因子较大且输入深度图包含大孔和大量噪声时，使用双线性插值的深度图可能会模糊深度不连续性。相反，我们提出了一个鲁棒优化框架用于颜色引导深度图恢复。通过采用鲁棒惩罚函数来建模我们模型的光滑性项，我们显示了所提出的方法对颜色边缘与深度不连续性之间的不一致性具有鲁棒性，即使我们使用简单的引导权重。根据我们的了解，我们是第一个通过有原则的数学公式解决这个问题，而不是以前的启发式加权方案。所提出的鲁棒方法在抑制纹理复制伪影方面表现良好。此外，它可以比以前的启发式加权方案更好地保留清晰的深度不连续性。通过对模拟数据和真实数据进行全面实验，我们展示了所提出方法的良好性能。