Kinect深度圖像增強算法研究.pdf

1、隨著Kinect的興起，深度圖像處理迅速變成圖像處理和計算機視覺領域的熱點?；贙inect的應用也日漸增多。但是，由于Kinect深度測距原理所限，Kinect的深度圖像存在以下四個方面的問題:與距離的平方成正比的噪聲、由無效像素組成的空洞、深度圖像與彩色圖像邊緣不匹配和深度圖像在時域上的閃爍。這些因素阻礙了Kinect在諸如人臉識別、3D重構等需要高質量的深度數據的領域上的應用。為了改善Kinect深度圖像的質量，本文研究了不同條件

2、下Kinect深度圖像的增強算法，主要研究成果如下:
　　 1.單幅深度圖像增強算法。該算法在深入研究Kinect深度測距原理和深度圖像質量特點的基礎上，發(fā)現深度圖像與彩色圖像邊緣不匹配問題是由位于深度圖像邊緣和對應的彩色圖像邊緣之間的錯誤像素引起的，進而提出了基于區(qū)域生長和距離變換的錯誤像素去除方法，該方法用區(qū)域生長在深度圖像邊緣和彩色圖像邊緣提取錯誤像素所在的區(qū)域，用對應的距離圖像來指導區(qū)域生長的方向。隨后，用加權模式濾波算

3、法填補空洞，最后，用自適應聯合雙邊濾波器去除噪聲。實驗表明，本文的方法明顯優(yōu)于傳統的深度圖像增強算法。
　　 2.靜止場景下深度圖像序列增強算法。為了能夠利用時域上的信息，該算法在單幅深度圖像增強算法的基礎上進行了兩點改進:其一是在用加權模式濾波算法填補空洞之前，先對深度圖像進行首次深度填充，為此，該算法維持一個深度圖像模型和一個無效像素模型，空洞中的像素如果滿足無效像素模型給出的約束，就用深度圖像模型中對應的值進行填充;其二是