深度圖像是表示深度傳感器與場(chǎng)景物體之間距離的圖像。隨著深度傳感器的快速發(fā)展,深度圖像已經(jīng)廣泛應(yīng)用于人機(jī)交互、3D視頻和虛擬現(xiàn)實(shí)等諸多領(lǐng)域中。然而受到采集設(shè)備自身的局限及采集環(huán)境因素的影響,直接獲取的深度圖像存在深度數(shù)據(jù)丟失和分辨率低等問題,嚴(yán)重影響深度圖像的后續(xù)應(yīng)用。本文根據(jù)深度圖像中存在的問題,提出了相應(yīng)的修復(fù)和上采樣重建算法。針對(duì)深度圖像因數(shù)據(jù)丟失而形成的空洞進(jìn)行修復(fù)研究,提出了一種基于曲率驅(qū)動(dòng)擴(kuò)散和邊緣重建的深度圖像修復(fù)算法,實(shí)現(xiàn)了單幅深度圖像的修復(fù)補(bǔ)全;針對(duì)深度圖像分辨率低的問題,提出了一種基于全局邊緣模型的深度圖像上采樣重建算法,實(shí)現(xiàn)了單幅深度圖的上采樣重建,得到更高分辨率的深度圖像。主要研究工作和成果如下:（1）深度數(shù)據(jù)缺失導(dǎo)致深度圖像中存在大量空洞,使用傳統(tǒng)修復(fù)方式易造成圖像目標(biāo)物體邊緣空洞過填充或欠填充,造成邊緣扭曲、邊界模糊等問題。針對(duì)這一問題,本文提出了一種基于曲率驅(qū)動(dòng)擴(kuò)散和邊緣重建的深度圖像修復(fù)算法。該算法采用曲率驅(qū)動(dòng)擴(kuò)散模型,利用圖像鄰域內(nèi)有效像素信息,將局部結(jié)構(gòu)從空洞的外部向內(nèi)部擴(kuò)散,能夠準(zhǔn)確的填充空洞。然后,設(shè)計(jì)二值分割濾波對(duì)填充后像素模糊區(qū)域進(jìn)行邊緣分割,... 

【文章來源】：西安科技大學(xué)陜西省

【文章頁(yè)數(shù)】：57 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

彩色圖像和

西安科技大學(xué)碩士學(xué)位論文4圖1.2深度圖像傳輸流程從深度圖像的獲取原理及存在的問題分析得知，深度傳感器采集的深度圖像存在大量空洞，分辨率低等缺陷，造成深度圖像質(zhì)量較低，因此要進(jìn)行修復(fù)、上采樣等處理，提高深度圖像的質(zhì)量。針對(duì)低質(zhì)量深度圖像，可以通過提升深度傳感器硬件設(shè)備獲取高質(zhì)量深度圖像，但是這種提升方式成本過高，不利于廣泛的推廣應(yīng)用。而在現(xiàn)有的低成本深度傳感器的基礎(chǔ)上，基于深度圖像修復(fù)技術(shù)與深度圖像上采樣重建技術(shù)的理論基礎(chǔ)，對(duì)深度圖像質(zhì)量增強(qiáng)方法進(jìn)行研究，獲取高精度高質(zhì)量的深度圖像，具有很高的應(yīng)用研究?jī)r(jià)值。1.2國(guó)內(nèi)外研究現(xiàn)狀1.2.1深度圖像修復(fù)技術(shù)深度圖像修復(fù)是深度圖像的研究熱點(diǎn)問題，目前深度圖像修復(fù)方法主要分為兩種，一種是基于彩色圖像引導(dǎo)的深度圖像修復(fù)方法，另一種是基于單幅深度圖像修復(fù)方法。（1）基于彩色圖像引導(dǎo)的深度圖像修復(fù)方法該類方法是利用同場(chǎng)景彩色圖像和深度圖像間對(duì)應(yīng)關(guān)系協(xié)助深度圖像進(jìn)行空洞修復(fù)。Camplani等人提出了一種聯(lián)合雙邊濾波（JointBilateralFilter,JBF）算法對(duì)深度圖像進(jìn)行修復(fù)[9]，該算法利用同場(chǎng)景彩色圖作為引導(dǎo)圖，由引導(dǎo)圖確定濾波權(quán)值對(duì)空洞進(jìn)行修復(fù)。彩色圖像的引入使得灰度值相似度因子和空間臨近因子的獲取更為精確，減少空洞像素計(jì)算方法的誤差。該算法提高了空洞修復(fù)的準(zhǔn)確性，但是當(dāng)引導(dǎo)圖中物體和背景顏色相似，則不利于物體邊緣處空洞的準(zhǔn)確修復(fù)，容易在深度圖像修復(fù)過程中產(chǎn)生誤差。Wang等人[10]采用馬爾科夫隨機(jī)場(chǎng)（MarkovRandomField,MRF）優(yōu)化算法，將彩色圖像的顏色、邊緣和平滑先驗(yàn)信息與原始深度值融合，從而填充空洞。但深度邊緣和顏色邊緣之間的不一致性，容易導(dǎo)致圖像邊緣模糊[11]。Zhang等人[12]采用訓(xùn)練卷積網(wǎng)絡(luò)模型的方式，預(yù)測(cè)彩

2深度圖像修復(fù)及上采樣相關(guān)研究15改善；但是，此方法對(duì)整個(gè)圖像的不同部分執(zhí)行相同的處理，因此，它僅適用于重建紋理和邊緣信息較少的平滑圖像。2.2.2基于優(yōu)化的方法基于優(yōu)化的上采樣重建方法從圖像的降質(zhì)退化模型出發(fā)，依據(jù)原始圖像的退化模型和先驗(yàn)知識(shí)，建立優(yōu)化函數(shù)，通過最優(yōu)化算法求解該函數(shù)所得到的極值即上采樣后的圖像。圖像退化模型如圖2.1所示：圖2.1低分辨率圖像成像過程該成像過程用公式表示：yHxN(2.18)式中，y表示下采樣后的低分辨率圖像，x為原始圖像，N表示加性噪聲。在數(shù)學(xué)模型中，H是對(duì)圖像的幾何形變、下采樣和模糊操作矩陣（退化矩陣）。圖像上采樣技術(shù)就是一種依據(jù)低分辨率圖像的基本成像模型，從低分辨率圖像中恢復(fù)出高分辨率圖像的技術(shù)。圖像的高分辨率重建是不適定的逆問題，通過給定的低分辨率圖像y，可以重建高分辨率的x，這類問題一般采用無約束的最優(yōu)化方法來解決。然而，用這類方法求得的最優(yōu)解通常并不是唯一的，或者說是不穩(wěn)定的。為了獲得問題的穩(wěn)定解，需要將一些先驗(yàn)知識(shí)添加到約束方程中。即使用圖像的先驗(yàn)知識(shí)來規(guī)范化上述問題以找到更好的解決方案，這稱為正則化優(yōu)化問題�；趫D像退化模型，優(yōu)化上采樣重建表示為：argminppyHxxxx(2.19)式(2.19)中，ppyHx衡量觀測(cè)數(shù)據(jù)和真實(shí)數(shù)據(jù)之間的保真或擬合程度，x包含重建所需的先驗(yàn)信息并對(duì)解的正則性等進(jìn)行約束，稱為正則項(xiàng)；在數(shù)據(jù)保真項(xiàng)和正則項(xiàng)之間進(jìn)行均衡，稱為正則化參數(shù)。項(xiàng)作為正則項(xiàng)權(quán)重系數(shù)，可用來調(diào)節(jié)正則項(xiàng)和保真項(xiàng)之間的權(quán)重關(guān)系，過高將會(huì)使圖像邊緣變得過度平滑，而過低將會(huì)影響去噪的表現(xiàn)。針對(duì)此優(yōu)化問題，通常對(duì)正則項(xiàng)引入1范式和2范式進(jìn)行求解。

【參考文獻(xiàn)】：
期刊論文
[1]無人駕駛中3D目標(biāo)檢測(cè)方法研究綜述[J]. 季一木,陳治宇,田鵬浩,吳飛,劉尚東,孫靜,焦志鵬,王娜,畢強(qiáng).  南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(04)
[2]基于目標(biāo)特征的植株深度圖像修復(fù)[J]. 陳國(guó)軍,程琰,曹岳,李勝.  圖學(xué)學(xué)報(bào). 2019(03)
[3]基于像素濾波和中值濾波的深度圖像修復(fù)方法[J]. 劉繼忠,吳文虎,程承,王光輝,曾成.  光電子·激光. 2018(05)
[4]模糊C-均值聚類引導(dǎo)的Kinect深度圖像修復(fù)算法[J]. 萬(wàn)紅,錢銳.  計(jì)算機(jī)應(yīng)用研究. 2019(05)
[5]基于高斯過程回歸與馬爾科夫隨機(jī)場(chǎng)的三維深度圖像重構(gòu)算法[J]. 吳倩倩,蔡艷.  應(yīng)用激光. 2017(06)
[6]基于Kinect v2的實(shí)時(shí)精確三維重建系統(tǒng)[J]. 李詩(shī)銳,李琪,李海洋,侯沛宏,曹偉國(guó),王向東,李華.  軟件學(xué)報(bào). 2016(10)
[7]一種由粗至精的RGB-D室內(nèi)場(chǎng)景語(yǔ)義分割方法[J]. 劉天亮,馮希龍,顧雁秋,戴修斌,羅杰波.  東南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(04)
[8]基于高斯混合模型的Kinect深度圖像增強(qiáng)算法[J]. 李少敏,張倩,王沛,陳佳佳,黃繼風(fēng).  上海師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(01)
[9]結(jié)合同場(chǎng)景立體圖對(duì)的高質(zhì)量深度圖像重建[J]. 楊宇翔,高明煜,尹克,吳占雄.  中國(guó)圖象圖形學(xué)報(bào). 2015(01)



本文編號(hào)：3106341