基于自學習的深度數據恢復.pdf

1、消費級的深度傳感器，例如微軟公司的Kinect，可以實時獲取被測場景的深度圖像以及與之同步的彩色圖像。且獲得的深度數據對于一些計算機視覺領域的高層次問題，比如物體檢測和識別、三維重建等研究領域提供了廉價的幾何信息。近年來，隨著成像技術的成熟，深度傳感器越來越多，深度圖像的修復也受到廣泛關注，因為這是后續(xù)研究的基礎，對后續(xù)的研究起著至關重要的作用。借助于深度傳感器，我們可以快速便捷的獲取深度信息，從而通過一系列算法完成計算機視覺領域的一些

2、關鍵工作。但是，受其工作原理的限制，導致深度傳感器無法獲取部分物體的深度數據，且其工作范圍有限，導致部分深度數據缺失，給后續(xù)的研究和應用帶來很大的影響。
　　現(xiàn)有的深度數據恢復算法對于近處場景的小范圍缺失數據具有有效的恢復效果，但是在物體的邊緣容易產生模糊，并且對于遠處場景的大范圍缺失數據無能為力。有的算法需要大量的數據，并且無法修復單幀深度圖像。有的算法需要額外的高清彩色相機或者彩色相機和深度相機對，從而限制了算法的應用場景。<

3、br>　　本文提出一種自學習的深度圖像恢復算法，由Kinect獲取的彩色圖像和深度圖像對其丟失的深度數據進行預測。首先，我們獲得一個基于Kinect獲取的彩色圖像的被測場景深度的估計值。然后，用此深度估計值與Kinect獲取的每個像素的鄰域的灰度值和深度值訓練一個隨機森林模型。這個模型用來預測Kinect缺失的深度數據，具有更多鄰域有效信息的像素點被最先預測，預測之后的值加入訓練數據集重新訓練模型，循環(huán)預測直至所有的缺失數據被恢復為止。