Abstact:
新一代的有源3D距离传感器，例如飞行时间相机，能够以视频帧速率记录全帧深度图。不幸的是，捕获的数据通常被噪声严重污染，并且传感器仅具有相当有限的图像分辨率。因此，我们通过用来自高分辨率摄像机的数据上采样范围信息来呈现用于实时增强范围数据的质量和增加空间分辨率的流水线。
我们的算法是一种自适应多侧向上采样滤波器，其考虑实时深度数据的固有噪声性质。因此，我们可以大大提高重建质量，提高数据的分辨率到视频传感器的分辨率，并防止不想要的人工产物像纹理复制成几何。我们的技术已经被设计以实现深度图质量的改进，同时保持实时应用的高计算效率。通过在GPU上实现我们的方法，创建具有视频相机分辨率的实时3D相机是可行的
NAFD
A New Filter for Noise Aware Depth Upsampling
为了满足深度超分辨率和对噪声实时3D传感器（如飞行时间相机）的去噪的特定要求，我们提出了一种用于深度上采样（NAFDU）的新的多横向噪声过滤器。 我们的目标是在数据匹配我们的假设的那些区域中保持双向上采样的有益特性，并且防止在那些标准双向上采样可能导致错误纹理复制的区域中的伪像。 NAFDU过滤器采用以下形式：
f，g和h都是高斯函数，α（ΔΩ）是混合函数。
f就是JBF,通过下采样的低分辨图像的高斯函数（color图像以（i，j）为中心与整数倍的采样间隔的像素值的差）
g是BF这个是以距离为高斯函数（对low resolution image）
h 是将low resolution imresize 变成high resolution image ,再将low resolution 中的window中的像素值与high resolution image 中的（i，j）中心求差，以上描述是h中的变量的求法，再将差值代入高斯函数，就得到了h函数。
权重
ΔΩ是最大和最小灰度值之间的差值
ε控制过渡区域的宽度
τ控制在什么最小 - 最大差值处的混合间隔应该居中。
上面的内容有时候用以下的形式：
alpha = 1- tau/（var(depth_sec(:))+tau）
其实噪声感知就是通过这个权重来进行体现
DataSet
http://vision.middlebury.edu/stereo/data/
