版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、近些年來(lái),隨著深度相機(jī)的技術(shù)越來(lái)越成熟,深度圖像在生產(chǎn)實(shí)踐中得到了廣泛的應(yīng)用。由于深度圖像中每一個(gè)像素點(diǎn)不僅有顏色值,還有相應(yīng)的深度值,這為以前在計(jì)算機(jī)視覺(jué)和圖像處理等領(lǐng)域難以解決的問(wèn)題提供了一種新的思路和角度,給這些研究領(lǐng)域帶來(lái)了革命性的變化。
但是,由Kinect等深度相機(jī)產(chǎn)生的深度圖像存在著一些缺陷。這些深度圖像上的某些區(qū)域存在信息缺失,并伴有大量的噪聲。對(duì)這些深度圖像進(jìn)行預(yù)處理,得到一幅質(zhì)量較高的深度圖像,可以為后期更
2、好的處理提供良好的基礎(chǔ)。
本文首先總結(jié)了目前常見(jiàn)的兩種深度圖像增強(qiáng)算法,一種是基于濾波的方法,另一種是基于能量函數(shù)的方法,并比較了它們之間的優(yōu)缺點(diǎn)。在此基礎(chǔ)上,本文引入了平面約束的先驗(yàn)知識(shí)。因?yàn)槟壳吧疃葓D像應(yīng)用的場(chǎng)景大多是室內(nèi)場(chǎng)景,其中存在著大量的墻面、地面和桌面等平面構(gòu)成的物體。
在將平面約束的先驗(yàn)知識(shí)融入到現(xiàn)有的算法框架中時(shí),本文提出了兩種不同的模型,分別如下:
第一個(gè)模型是帶有平面線約束的深度圖像增強(qiáng)
3、模型。該模型假設(shè)每一個(gè)中心像素點(diǎn)的深度值盡可能接近其鄰域中不同直線上的深度平均值。將平面線約束項(xiàng)加入模型后,得到了一個(gè)二次的能量函數(shù),有唯一的閉合解,可以通過(guò)求解一個(gè)稀疏的線性方程組得到結(jié)果。實(shí)驗(yàn)結(jié)果表明,平面線約束模型的效果比已存在的兩種常見(jiàn)的深度圖像增強(qiáng)算法有了一定的提高。
第二個(gè)模型是帶有平面擬合約束的深度圖像增強(qiáng)模型。該模型假設(shè)每一個(gè)像素點(diǎn)鄰域中的深度值應(yīng)該盡可能接近某一個(gè)最佳的平面。這個(gè)最佳的平面是通過(guò)擬合鄰域中所有
4、像素點(diǎn)的深度值得到的。該模型的能量函數(shù)中有兩種不同類(lèi)型的未知變量,沒(méi)有精確解,只能通過(guò)變量交替迭代的算法去求解。本文將最小化平面擬合約束模型的能量函數(shù),分解為兩個(gè)容易求解的子問(wèn)題,交替求解這兩個(gè)子問(wèn)題,就可以得到該模型的近似解。實(shí)驗(yàn)結(jié)果表明,無(wú)論是在客觀的數(shù)值比較上,還是主觀的視覺(jué)比較上,平面擬合約束模型的實(shí)驗(yàn)結(jié)果比以前的算法有了明顯的提高,達(dá)到了令人滿(mǎn)意的效果。
最后,本文總結(jié)了這兩個(gè)帶有平面約束先驗(yàn)的模型,并指出了未來(lái)可以
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 深度圖像增強(qiáng)算法研究.pdf
- Kinect深度圖像增強(qiáng)算法研究.pdf
- 彩色圖像引導(dǎo)的深度圖像增強(qiáng).pdf
- 基于時(shí)空域約束的深度圖像修復(fù)及提取算法研究.pdf
- 基于TOF相機(jī)的深度圖增強(qiáng)算法研究.pdf
- 一種基于去均值歸一化約束的圖像復(fù)原算法.pdf
- 基于Kinect深度圖像的手勢(shì)識(shí)別算法研究.pdf
- 一種用于圖像復(fù)原的多約束迭代算法.pdf
- 一種有約束的EIT圖像重構(gòu)算法研究.pdf
- 基于CUDA的一種紅外圖像細(xì)節(jié)增強(qiáng)算法的實(shí)現(xiàn).pdf
- 深度圖像修復(fù)算法研究
- 一種基于分類(lèi)的圖像增強(qiáng)方法.pdf
- 基于RGB-D圖像的深度圖增強(qiáng)問(wèn)題研究.pdf
- 基于深度圖像的虛擬視點(diǎn)生成算法研究.pdf
- 基于Kinect深度圖像的動(dòng)作識(shí)別.pdf
- 基于深度圖像三維重構(gòu)算法研究及優(yōu)化.pdf
- 基于約束規(guī)則的圖像平面提取算法研究.pdf
- 單一深度圖像人體部位識(shí)別.pdf
- 基于RGB-D信息的深度圖像增強(qiáng)關(guān)鍵技術(shù)研究.pdf
- 基于Kinect深度圖像的手勢(shì)識(shí)別研究.pdf
評(píng)論
0/150
提交評(píng)論