基于RGBD的似物性采樣算法研究.pdf

1、似物性采樣是提取一幅圖像中可能成為任意目標(biāo)的窗口，在目標(biāo)檢測(cè)與識(shí)別時(shí)，可顯著減少目標(biāo)的搜索窗口，相比滑動(dòng)窗口而言，還可有效提升檢測(cè)窗口的精度。近年來，在目標(biāo)識(shí)別領(lǐng)域，基于感知分組，提供限定數(shù)量的似物性目標(biāo)的識(shí)別算法逐漸占領(lǐng)目標(biāo)識(shí)別領(lǐng)域。這類算法的精度依賴于似物性采樣的結(jié)果，所以越來越多的人加入到這一研究領(lǐng)域。隨著深度傳感器慢慢進(jìn)入消費(fèi)領(lǐng)域，如微軟的Kinect，蘋果公司的PrimeSense，因特爾的RealSense，促進(jìn)了圖像領(lǐng)域的

2、發(fā)展。深度線索的增加也將促進(jìn)似物性采樣的發(fā)展，能進(jìn)一步減少目標(biāo)識(shí)別的搜索窗口。但是，目前已有的算法對(duì)深度信息的利用還不夠，本文主要研究深度信息在似物性采樣算法中的有效利用。另外，為了將深度線索對(duì)似物性采樣帶來的性能提升拓展到RGB圖像上，本文針對(duì)沒有深度信息的單幅彩色圖像，提出一種基于結(jié)構(gòu)學(xué)習(xí)的深度估計(jì)方法。具體而言，本文的主要工作包括以下幾點(diǎn)：
　　(1)提出一種基于RGBD圖像的似物性采樣算法:a）利用深度信息分別設(shè)計(jì)了邊緣相

3、關(guān)的特征算子和深度似物性特征算子;b）引入新的深度邊緣算子改進(jìn)了基于邊緣的似物性采樣;c）提出了新的基于深度的似物性采樣;d）基于貝葉斯框架將兩種似物性采樣結(jié)合，實(shí)現(xiàn)了RGBD似物性采樣。在NYU Depth數(shù)據(jù)集上實(shí)驗(yàn)證明了這些似物性描述方法的結(jié)合要比單獨(dú)使用任一種描述結(jié)果更優(yōu)。
　　(2)對(duì)于單幅彩色圖像，本文提出一種基于結(jié)構(gòu)學(xué)習(xí)快速深度估計(jì)算法:a）{提出基于結(jié)構(gòu)隨機(jī)森林的多尺度學(xué)習(xí)框架;b）提出輸出標(biāo)簽離散化的方法，在每個(gè)