深度图像分块自适应压缩感知提升视点绘制质量

深度图像的分块自适应压缩感知(2016年)是一篇关注于解决深度编码框架中边缘信息丢失问题的论文。传统的基于空域上下采样的深度编码方法在视点绘制过程中常常因缺乏精确的边缘信息而导致质量下降。针对这一挑战，研究者提出了一种创新的方法，即在分块压缩感知（Block Compressive Sensing，BCS）和光滑Landweber投影重构（Smooth Landweber Projection Reconstruction，SPL）的BCS_SPL框架内，通过分析图像块的方差来量化其边缘信息。 该方法的关键在于对深度图像进行分块，每个图像块根据其内部信息的多样性（如边缘强度的变化）进行自适应采样。这样做的目的是为了更有效地保留图像中的细节，尤其是在边缘区域，这些区域对于视点合成的质量至关重要。通过这种方式，即使在相同的采样率下，相比于简单的上、下采样以及BCS_SPL方法，提出的分块自适应压缩感知方法能够在保持较低比特率的同时，显著提升绘制视点的峰值信噪比（Peak Signal-to-Noise Ratio，PSNR）和主观视觉质量。 论文的作者包括王旭、王国中和范涛，他们都是上海大学通信与信息工程学院的研究人员，分别在图像和视频压缩感知、视频编解码、多媒体通信、压缩感知、三维图像处理等领域有所专长。该研究得到了国家自然科学基金的支持，展示了对深度图像处理领域的深入理解和技术创新。 该论文的研究成果不仅提升了深度图像的压缩感知技术，还对视点绘制的实时性和计算效率有所优化，这对于虚拟现实和增强现实应用具有重要意义。论文以TTP391.41作为中图分类号，采用了A级文献标志，被赋予了1001-3695/2016.03.060的DOI标识，表明其在学术界的专业性和影响力。这项工作对于深度图像处理领域的理论和技术发展有着积极的推动作用。