深度圖像增強算法研究.pdf

1、深度圖，作為場景三維信息的表達方式，已經被廣泛應用于計算機視覺、機器人、人機交互等各個方面。不同于傳統(tǒng)的紋理圖，獲取高精度的深度圖仍然是一個開放的問題。這其中干擾產生的深度丟失問題，以及場景幾何信息引起的大面積深度信息丟失問題是深度圖中較為嚴重的問題。針對這兩個問題，本文著重進行研究并提出相應的解決方法。
　　針對多深度測量系統(tǒng)中存在的干擾問題，本文從分析結構光測量原理的角度，提出多級模板的概念。模板設計中，主要采用了de Bru

2、ijn序列以及偽隨機矩陣的編碼方式。水平維度上，de Bruijn序列用來構建不同編碼單元的唯一性。每一個水平維度的編碼單元采用偽隨機矩陣的方式，從而實現(xiàn)了多級模板中每一個像素的唯一性。與此同時，通過設計不同的de Bruijn序列以及偽隨機矩陣，可以產生多個相互正交的多級模板。深度計算過程中，相互疊加的多個模板可以根據其正交性有效分離，并利用de Bruijn序列的特性獲取較為粗糙的深度圖。通過分析偽隨機矩陣的特性，可以進一步獲得較高

3、質量的深度圖。因此，利用正交多級模板，可以有效解決多深度測量系統(tǒng)中的干擾問題。
　　針對平面中存在的大面積深度丟失問題，本文提出基于ProSAC的深度恢復算法。考慮到大面積深度丟失區(qū)域的特點，即只有少數輪廓像素點的深度信息已知，可利用ProSAC算法篩選高質量輪廓像素點并擬合出平面方程，并根據擬合出的平面方程對目標區(qū)域進行深度恢復。對輪廓點的質量評價中，主要采用紋理相似性計算以及統(tǒng)計直方圖分析的方法。由于統(tǒng)計直方圖分析方法建立在深