基于超像素的深度图修复算法

随着计算机视觉领域不断的发展,用于描述场景深度信息的深度图受到越来越多的关注。针对深度图中由于深度信息缺失导致的图像空洞、深度值准确度不高及图像噪声等问题,提出了一种融合超像素和基于方向的联合双边滤波器的深度图修复算法来改善深度图的质量。该算法引入了基于超像素的自适应滤波窗口,并对不同类型的空洞像素点采用不同的滤波算法,从而对深度图进行修复和优化。定性对比实验和定量评价结果表明,其可以有效地修复深度图空洞噪点,获得高质量、高准确性的深度图。     

分层联合双边滤波的深度图修复算法研究

三维场景建模及三维多目标检测识别等研究中需要获取高精度、高分辨率深度图,针对RGB-D传感器提供的深度信息存在分辨率低、深度值缺失和噪声干扰等问题,提出一种基于深度置信度的分层联合双边滤波深度图修复算法。基于深度信息获取存在的问题提出相应的深度退化模型,采用深度置信度测量对深度像素进行置信度分类,根据深度置信度确定滤波器窗口权重值,利用提出的分层联合双边滤波算法在待修复区域完成深度图修复。采用Middlebury标准数据库和自采数据库进行定性对比实验和定量结果分析表明,该算法对深度图修复后边缘更加清晰合理,消除了边缘模糊和纹理伪像,有效提高了三维深度图修复的精确度。     

基于改进双边滤波的Kinect深度图像空洞修复算法研究

深度图像的灰度值表征的是物体与摄像头的距离,深度图像在三维场景重建、虚拟视点合成、3D视频技术中起到关键的作用.深度图像有多种获取方法,其中Microsoft公司的Kinect是一种廉价的深度图像获取设备,但产生的深度图像在物体的边缘和遮挡区域往往会产生空洞,不利于后续的研究应用.提出一种基于改进双边滤波法的深度图像修复算法,首先利用直方图确定阈值将深度图像二值化生成空洞Mask掩膜,然后利用改进的双边滤波法对空洞区域进行深度填充,最后利用中值滤波法进行图像平滑,实验结果表明该方法对于原始深度图像的空洞取得了较好的修复效果.     

保持边缘特征的含噪图像放大方法

针对含有噪声图像放大中如何有效地保持边缘细节和抑制噪声问题,提出了结合具有保持边缘信息的双边滤波和克服传统插值算法在方块效应和细节退化等方面缺点的边缘方向插值的含噪图像放大方法。实验结果表明该方法能够获得高清晰边缘的去噪放大图像。     

基于边缘特征引导的深度图像超分率重建

针对TOF(Time of Flight)相机深度图像在超分辨重建过程中易出现边缘模糊、纹理映射问题,在联合双边上采样滤波器的基础上提出一种基于深度图像自身边缘特征引导的超分辨重建方法。通过低分辨深度图像的边缘特征引导,将深度图像分为不同的区域,根据滤波区域性质的不同,对联合双边上采样滤波器模型中的颜色相似项进行不同加权。同时为了进一步保持图像边缘,在深度图像边缘部分加入一个结构保持项。最后利用联合双边上采样滤波器模型重建出高分辨深度图像。实验结果表明,该方法不仅提高了TOF深度图像的分辨率,而且很好地保护了深度图像的边缘结构,取得了较好的效果。     

联合双边图像插值

传统的图像插值算法及其改进算法都存在边缘模糊、边缘锯齿或局部扭曲变形等问题。提出联合双边图像插值,首先采用传统插值算法对原始图像进行插值,将其结果作为导引图像对原始图像进行联合双边上采样,并给出其核函数方差的自适应确定算法。实验结果表明,与传统插值算法相比,该算法明显改进插值图像质量,与已有的绝大多数非线性改进算法相比还提高了插值速度。     

深度图像的法向指导 GPU 滤波

深度相机获取深度图像由于硬件精度问题,往往会丢失大量细节信息。因此,对深度图像的滤 波,已经成为深度视觉领域一个重要的课题。然而,现阶段大多数滤波的方法对于深度图像中的尖锐特征保留 能力不足,往往会出现过光滑现象。针对深度图像滤波中的尖锐特征难以保留的问题,提出了一种新的深度图 像的联合双边滤波方法。首先求解深度图像每个像素的法向,以投票的方式对法向的权重进行计算以进行联合 双边滤波,最后根据滤波后的法向更新顶点坐标。该方法引入了高精度的纹理作为指导信息,能获取更可信的 滤波效果。另外,该方法基于点云的局部信息,不需要求解很大的矩阵,且基于 GPU 并行,运算效率极高。 实验表明,该方法能更好地保留法向的边界,具有更好的几何特征保留能力。     

基于不确定度评价的Kinect深度图预处理

针对应用在机器人三维(3D)场景感知测量中,Kinect深度图的联合双边滤波(JBF)存在降低原始场景深度信息精确度的制约性问题,提出一种新的预处理算法。首先,通过构建深度图的测量和采样模型,得到深度图的蒙特卡罗不确定度评价模型;其次,依据该模型计算得到深度值估计区间,实现噪声点与非噪声点的判定及滤除;最后,利用估计区间均值完成噪声点的修复。实验结果表明,该算法在噪声滤波的同时保证了非噪声的不变性;非噪声的不变性以及基于估计均值的噪声修复使原始深度梯度具有不变性;与联合彩色深度图的双边滤波相比,预处理结果图物体边缘轮廓清晰不变且其均方误差降低了15.25%~28.79%。因此,该预处理算法达到了提高三维场景深度信息精确度的目的。     

遮挡场景的光场图像深度估计方法

光场相机通过单次拍摄可获取立体空间中的4维光场数据,利用光场的多视角特性可从中提取全光场图像的深度信息.然而,现有深度估计方法很少考虑场景中存在遮挡的情况,当场景中有遮挡时,提取深度信息的精度会明显降低.对此,提出一种新的基于多线索融合的光场图像深度提取方法以获取高精度的深度信息.首先分别利用自适应散焦算法和自适应匹配算法提取场景的深度信息;然后用峰值比作为置信以加权融合两种算法获取的深度;最后,用具有结构一致性的交互结构联合滤波器对融合深度图进行滤波,得到高精度深度图.合成数据集和真实数据集的实验结果表明,与其他先进算法相比,所提出的算法获取的深度图精度更高、噪声更少、图像边缘保持效果更好.     

结合高斯混合模型与多通道双边滤波的RGBD场景流计算方法

针对现有RGBD场景流计算方法在大位移、运动遮挡等复杂运动场景中存在计算准确性与可靠性较低的问题，文中提出结合高斯混合模型与多通道双边滤波的RGBD场景流计算方法.首先，构造基于高斯混合模型的光流聚类分割模型，从光流中提取目标运动信息，逐层优化深度图分层分割结果，获取高置信度的深度运动分层分割信息.然后，在场景流计算中引入多通道双边滤波优化，建立结合高斯混合模型与多通道双边滤波的RGBD场景流计算模型，克服场景流计算边缘模糊问题.最后，在Middlebury、MPI-Sintel数据集上的实验表明，文中方法在大位移、运动遮挡等复杂运动场景下具有较高的场景流计算准确性和鲁棒性，特别在边缘区域具有较好的保护效果.     

模糊C-均值聚类引导的Kinect深度图像修复算法

针对Kinect传感器所采集的深度图像中存在大面积空洞的问题,提出了一种模糊C-均值聚类引导的深度图像修复算法。该算法将同步获取的彩色图像和深度图像作为输入;利用模糊C-均值聚类算法对彩色图像进行聚类,聚类结果作为引导图像;然后对每个深度图像中的大面积空洞区域,利用改进的快速行进算法,从空洞边缘向空洞内部逐层修复空洞区域;最后,利用改进的双边滤波算法去除图像中的散粒噪声。实验表明该算法能有效修复Kinect深度图像中的空洞,修复后的图像在平滑度和边缘强度上优于传统算法。     

基于联合双边滤波器的Kinect深度图像滤波算法

针对Kinect镜头采集的深度图像一般有噪声和黑洞现象,直接应用于人体动作跟踪和识别等系统中效果差的问题,提出一种基于联合双边滤波器的深度图像滤波算法。算法利用联合双边滤波原理,将Kinect镜头同一时刻采集的深度图像和彩色图像作为输入,首先,用高斯核函数计算出深度图像的空间距离权值和RGB彩色图像的灰度权值;然后,将这两个权值相乘得到联合滤波权值,并利用快速高斯变换替换高斯核函数,设计出联合双边滤波器;最后,用此滤波器的滤波结果与噪声图像进行卷积运算实现Kinect深度图像滤波。实验结果表明,所提算法应用在人体动作识别和跟踪系统后,可显著提高在背景复杂场景中的抗噪能力,识别正确率提高17.3%,同时所提算法的平均耗时为371ms,远低于同类算法。所提算法保持了联合双边滤波平滑保边的优点,由于引入彩色图像作为引导图像,去噪的同时也能对黑洞进行修补,因此该算法在Kinect深度图像上的去噪和修复效果优于经典的双边滤波算法和联合双边滤波算法,且实时性强。     

基于分层图像融合的虚拟视点绘制算法

针对虚拟视点绘制过程中出现的重叠和空洞问题,提出一种新的虚拟视点绘制算法。通过形态学操作对三维图像变换后出现的空洞进行膨胀来消除伪影瑕疵,根据深度信息对左、右虚拟视点图像进行前景和背景分割,利用线性加权法对分割后的前景图像和背景图像进行分层融合解决像素重叠问题,对分层融合后的背景图像进行空洞填充并与前景图像融合得到虚拟视点图像。实验结果表明,与经典的Criminisi算法相比,该算法PSNR值提高了1.75 dB,具有较高的绘图质量。     

一种改进的各向异性扩散深度图像增强算法

深度图像受其测距原理所限,存在边缘不匹配、无效像素、噪声等问题,提出一种基于改进的各向异性扩散算法的深度图像增强方法。首先,校正深度图像和彩色图像的位置关系,并根据时间连续性选择多帧图像,进行多帧均值滤波预处理;其次,通过在彩色图像中引入权重的思想,构建具有4-邻域形式的深度图像模型,利用彩色图像引导的深度图像进行各向异性扩散,填补孔洞;最后,使用改进的自适应中值滤波平滑图像噪声。实验结果表明,该方法能够有效修复原始深度图像中存在的由无效像素组成的黑色孔洞,在抑制噪声的同时,仍能保持深度图像中物体边缘的细节信息。     

基于景深的单幅图像快速去雾算法

在雾、霾天气条件下,由于大气粒子的散射作用导致采集的图像质量严重下降,给计算机视觉系统成像带来极大不便。针对上述问题,提出一种基于景深的单幅图像快速去雾算法。通过暗通道对图像处理,得到图像传输图,从而简化大气散射模型,利用景深信息估计大气散射模型,得到边缘突变景深关系比,通过近水平方向上的景深关系比值优化传输图,利用双边滤波对景物边缘进行处理。从3个颜色通道出发,降低波长对景深估计的影响。实验结果证明,该算法能够恢复景物边缘的细节对比度,有效提高图像的清晰度与视见度。     

基于改进边缘检测的视觉注意计算模型

本文主要针对传统Itti视觉注意计算模型,引入边缘特征信息,优化视觉注意计算模型.在引入边缘特征信息的过程中,本文对Canny边缘检测算法进行改进：以改进后的双边滤波算法代替高斯滤波从而更好的保持边缘,借鉴Sobel算子从4个方向计算梯度幅值来代替原方法中的从2个方向来计算的过程,利用改进的OTSU算法选取双阈值代替手动设置阈值,从而降低图像分割时的误检、漏检现象.在实验中,我们发现,该方法相较于建立在普通Canny算法基础上的Itti视觉注意计算模型,对显著区域的提取效果上有很大的提高.