圖像分割是視覺引導(dǎo)的機(jī)器人或機(jī)械手識(shí)別、定位目標(biāo)的基礎(chǔ),圖像分割的準(zhǔn)確度決定了目標(biāo)識(shí)別和抓取的精度。傳統(tǒng)的圖像分割方法大多是基于灰度、紋理等顏色特征建立的。當(dāng)分割具有相似顏色特征的相鄰或重疊目標(biāo)圖像（比如堆積工件圖像或復(fù)雜場(chǎng)景圖像等）時(shí),基于顏色特征的圖像分割方法很難得到準(zhǔn)確的分割結(jié)果,原因在于RGB圖像的本質(zhì)是三維空間場(chǎng)景到二維圖像的映射,在該過(guò)程中丟失了深度信息。為此,本文研究并實(shí)現(xiàn)了一種融合深度信息的圖像分割方法,主要包括深度圖像的預(yù)處理、融合深度信息的超像素分割和基于多特征融合圖論的語(yǔ)義一致超像素合并三個(gè)部分,本文主要研究成果如下:首先,提出了結(jié)合彩色圖像局部邊緣特征的深度圖像空洞分類修復(fù)方法。通過(guò)雙邊濾波算法濾除深度圖像中較小的空洞和噪聲,根據(jù)剩余較大空洞對(duì)應(yīng)的彩色圖像區(qū)域有無(wú)邊緣特征將空洞分為無(wú)邊緣和有邊緣兩類。對(duì)于沒有局部邊緣特征的空洞通過(guò)均值填充的方式修復(fù),對(duì)于有局部邊緣特征的空洞先根據(jù)邊緣特征對(duì)空洞進(jìn)行分割,再對(duì)分割后的子空洞分別由外而內(nèi)逐層修復(fù)。實(shí)驗(yàn)結(jié)果表明,該方法的深度圖像空洞修復(fù)結(jié)果在均方根誤差、結(jié)構(gòu)相似性和峰值信噪比三方面均優(yōu)于對(duì)比方法。其次,提出了一種融合深... 

【文章頁(yè)數(shù)】：85 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 基于灰度和彩色圖像的圖像分割方法研究現(xiàn)狀
        1.2.2 融合深度信息(RGB-D)的圖像分割方法研究現(xiàn)狀
    1.3 論文主要研究?jī)?nèi)容和組織結(jié)構(gòu)
        1.3.1 主要研究?jī)?nèi)容
        1.3.2 論文組織結(jié)構(gòu)
第二章 融合深度信息的圖像分割相關(guān)理論
    2.1 深度圖像獲取技術(shù)與RGB-D數(shù)據(jù)集
        2.1.1 深度圖像獲取方法分類
        2.1.2 Kinect相機(jī)
        2.1.3 雙目視覺
        2.1.4 RGB-D數(shù)據(jù)集
    2.2 超像素分割理論及方法
        2.2.1 超像素分割方法分類
        2.2.2 簡(jiǎn)單線性迭代聚類(SLIC)超像素分割算法
    2.3 基于圖論的圖像分割理論及方法
        2.3.1 圖論基礎(chǔ)
        2.3.2 基于圖論的圖像分割
        2.3.3 圖割算法
        2.3.4 基于圖論的多標(biāo)簽分割
    2.4 本章小結(jié)
第三章 深度圖像的預(yù)處理
    3.1 Kinect相機(jī)深度圖像的空洞及噪聲分析
        3.1.1 深度圖像空洞分析
        3.1.2 深度圖像噪聲分析
    3.2 結(jié)合彩色圖像局部邊緣信息的深度圖像預(yù)處理方法
        3.2.1 深度圖像預(yù)處理方法整體框架
        3.2.2 雙邊濾波修復(fù)小空洞
        3.2.3 大空洞的分類與修復(fù)
    3.3 深度圖像修復(fù)評(píng)價(jià)指標(biāo)
    3.4 實(shí)驗(yàn)結(jié)果及分析
    3.5 本章小結(jié)
第四章 融合深度信息的超像素分割方法(SLIC-D)
    4.1 融合深度信息的像素相似性度量
        4.1.1 深度圖像三維空間映射
        4.1.2 融合深度信息的距離度量
    4.2 SLIC-D超像素分割算法
    4.3 超像素分割結(jié)果評(píng)價(jià)指標(biāo)
    4.4 實(shí)驗(yàn)結(jié)果及分析
        4.4.1 SLIC-D與 SLIC方法對(duì)比實(shí)驗(yàn)
        4.4.2 SLIC-D與其他超像素分割方法對(duì)比實(shí)驗(yàn)
    4.5 本章小結(jié)
第五章 基于多特征融合圖論的超像素合并方法
    5.1 多特征融合的相鄰超像素相似性度量
        5.1.1 歐式距離
        5.1.2 區(qū)域協(xié)方差矩陣距離
        5.1.3 深度圖像邊界距離
    5.2 融合深度信息的能量函數(shù)
        5.2.1 數(shù)據(jù)項(xiàng)
        5.2.2 平滑項(xiàng)
        5.2.3 標(biāo)簽項(xiàng)
    5.3 基于多特征融合圖論的超像素合并算法
    5.4 實(shí)驗(yàn)結(jié)果及分析
        5.4.1 與傳統(tǒng)的基于圖論分割方法(EG)對(duì)比實(shí)驗(yàn)
        5.4.2 與現(xiàn)有融合深度信息的分割方法(GCSS)對(duì)比實(shí)驗(yàn)
        5.4.3 與其他圖像分割方法對(duì)比實(shí)驗(yàn)
    5.5 本章小結(jié)
第六章 總結(jié)和展望
參考文獻(xiàn)
發(fā)表論文和參加科研情況說(shuō)明
致謝


【參考文獻(xiàn)】：
期刊論文
[1]半監(jiān)督聚類綜述[J]. 秦悅,丁世飛.  計(jì)算機(jī)科學(xué). 2019(09)
[2]面向復(fù)雜環(huán)境的圖像語(yǔ)義分割方法綜述[J]. 王嫣然,陳清亮,吳俊君.  計(jì)算機(jī)科學(xué). 2019(09)
[3]邊緣信息耦合改進(jìn)的Hough變換的車道線實(shí)時(shí)檢測(cè)算法[J]. 付利軍,蘭方鵬.  電子測(cè)量與儀器學(xué)報(bào). 2019(08)
[4]基于循環(huán)生成對(duì)抗網(wǎng)絡(luò)的道路場(chǎng)景語(yǔ)義分割[J]. 李智,張娟,方志軍,黃勃,姜曉燕,黃正能.  武漢大學(xué)學(xué)報(bào)(理學(xué)版). 2019(03)
[5]基于物體間支撐語(yǔ)義關(guān)系的室內(nèi)場(chǎng)景彩色深度圖像分割[J]. 陳昊天,鄭陽(yáng),張鈺桐,孫鳳池,黃亞樓.  控制理論與應(yīng)用. 2019(04)
[6]一種基于Canny算子的圖像邊緣檢測(cè)改進(jìn)算法[J]. 段紅燕,邵豪,張淑珍,張曉宇,王小宏.  上海交通大學(xué)學(xué)報(bào). 2016(12)
[7]基于最大類間方差法與GA相結(jié)合的圖像分割算法研究[J]. 洪浩,霍春寶.  遼寧工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(02)
[8]面向RGBD圖像的標(biāo)記分水嶺分割[J]. 余燁,李冰飛,張小魏,劉宜萍,李海琴.  中國(guó)圖象圖形學(xué)報(bào). 2016 (02)
[9]基于機(jī)器視覺的Delta機(jī)器人分揀系統(tǒng)算法[J]. 倪鶴鵬,劉亞男,張承瑞,王云飛,夏飛虎,邱正師.  機(jī)器人. 2016(01)
[10]結(jié)合邊緣局部信息的FCM抗噪圖像分割算法[J]. 夏菁,張彩明,張小峰,李雪梅.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2014(12)

碩士論文
[1]基于聚類和區(qū)域生長(zhǎng)的彩色地圖圖像分割方法研究與實(shí)現(xiàn)[D]. 翟曉婕.西安電子科技大學(xué) 2014



本文編號(hào)：3667783