彩色图像分割驱动的Kinect深度图修复提升三维精度

本文研究了一种针对Kinect深度图中空洞和噪声问题的深度图修复算法，这些缺陷在三维目标检测和识别过程中可能会显著降低精度。算法的核心在于结合彩色图像的局部分割技术，以提高深度数据的质量。 首先，该方法通过分析和标记区域连通性来定位深度图中的空洞区域，这有助于理解空洞形成的原因和范围。接着，作者利用深度直方图分析空洞区域的特性，依据峰值数目来判断空洞类型，这有助于区分由传感器故障导致的不同类型的空洞。 进一步地，算法通过分割膨胀区域的彩色图像，找出空洞像素所在的分割区域与其领域之间的交域，即有效支撑区域。利用这个交域内的深度信息，可以准确地估计空洞像素的深度值，从而填补空洞。这种方法充分利用了彩色图像的信息作为深度数据的补充，提高了修复的准确性。 最后，作者采用了引导滤波技术对修复后的深度图进行平滑处理和噪声去除，确保深度数据的平滑性和一致性。实验结果显示，经过这种算法处理的深度图，边缘细节更为清晰，具有更好的微小梯度不变性，从而提高了三维目标检测和识别的精度。 这项研究不仅关注深度图的修复技术，还强调了色彩信息在深度图处理中的辅助作用，对于提升基于Kinect等设备的计算机视觉应用具有实际价值。研究人员包括吴倩、史晋芳、王德娇和刘桂华，他们在图像处理和机器视觉领域有着丰富的经验和专业知识，共同为解决深度图质量问题提供了创新的解决方案。通过关键词如“深度图修复”、“空洞填充”、“局部分割”和“噪声滤波”，可以快速找到这篇文章在相关领域的核心贡献和应用前景。