计算机工程

作者：蔡江河, 陈飞, 姜凡, 程航, 王美清

单位：1. 福州大学计算机与大数据学院, 福建 福州 3501082. 北不列颠哥伦比亚大学计算机科学系, 加拿大 乔治王子城 V2N 4Z93. 福州大学数学与统计学院, 福建 福州 350108

关键词：深度图超分辨率,边缘结构,梯度特征,频率引导,隐式神经函数

基金：国家自然科学基金(62471141)

颜色图像引导的深度图超分辨率(GDSR)旨在利用同一场景下高分辨率(HR)彩色图像提供的引导信息, 将低分辨率(LR)深度图重建为HR深度图。尽管基于空间域的学习方法可以有效提高深度图的整体重建质量, 但在从LR深度图进行重建时, 仍然面临边缘结构模糊的问题。为了解决该问题, 提出梯度频率引导的多阶段整合深度图重建网络(GFNet), 利用颜色图像的梯度先验和频率信息来增强深度边缘结构细节的重建。首先, 设计一个梯度特征提取(GFE)模块, 结合RGB图像的梯度先验知识来优化LR深度图的梯度结构。其次, 设计一个空间频率双路引导融合(SFI)模块, 将RGB图像中精确的高频成分传递到LR深度图中, 从而引导深度图丢失的高频信息重建。最后, 采用一种新颖的隐式神经函数来提高深度图的分辨率。实验结果表明, 在8倍缩放因子的情况下, GFNet在数据集NYUv2、Middlebury以及真实场景数据集RGB-D-D上均方根误差(RMSE)指标分别达到了2.48、1.62、2.57 cm, 相比于结构更复杂的模型GeoDSR, 分别降低了0.14、0.06、0.12 cm, 并在边缘结构细节方面优于对比方法, 证明了所提方法的有效性。

来源：2026年第5期

《计算机工程》期刊编辑部

查看计算机工程杂志2026年第5期