基于自學(xué)習(xí)的深度數(shù)據(jù)恢復(fù).pdf

1、消費(fèi)級(jí)的深度傳感器，例如微軟公司的Kinect，可以實(shí)時(shí)獲取被測(cè)場(chǎng)景的深度圖像以及與之同步的彩色圖像。且獲得的深度數(shù)據(jù)對(duì)于一些計(jì)算機(jī)視覺領(lǐng)域的高層次問(wèn)題，比如物體檢測(cè)和識(shí)別、三維重建等研究領(lǐng)域提供了廉價(jià)的幾何信息。近年來(lái)，隨著成像技術(shù)的成熟，深度傳感器越來(lái)越多，深度圖像的修復(fù)也受到廣泛關(guān)注，因?yàn)檫@是后續(xù)研究的基礎(chǔ)，對(duì)后續(xù)的研究起著至關(guān)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(guò)一系列算法完成計(jì)算機(jī)視覺領(lǐng)域的一些

2、關(guān)鍵工作。但是，受其工作原理的限制，導(dǎo)致深度傳感器無(wú)法獲取部分物體的深度數(shù)據(jù)，且其工作范圍有限，導(dǎo)致部分深度數(shù)據(jù)缺失，給后續(xù)的研究和應(yīng)用帶來(lái)很大的影響。
　　現(xiàn)有的深度數(shù)據(jù)恢復(fù)算法對(duì)于近處場(chǎng)景的小范圍缺失數(shù)據(jù)具有有效的恢復(fù)效果，但是在物體的邊緣容易產(chǎn)生模糊，并且對(duì)于遠(yuǎn)處場(chǎng)景的大范圍缺失數(shù)據(jù)無(wú)能為力。有的算法需要大量的數(shù)據(jù)，并且無(wú)法修復(fù)單幀深度圖像。有的算法需要額外的高清彩色相機(jī)或者彩色相機(jī)和深度相機(jī)對(duì)，從而限制了算法的應(yīng)用場(chǎng)景。<

3、br>　　本文提出一種自學(xué)習(xí)的深度圖像恢復(fù)算法，由Kinect獲取的彩色圖像和深度圖像對(duì)其丟失的深度數(shù)據(jù)進(jìn)行預(yù)測(cè)。首先，我們獲得一個(gè)基于Kinect獲取的彩色圖像的被測(cè)場(chǎng)景深度的估計(jì)值。然后，用此深度估計(jì)值與Kinect獲取的每個(gè)像素的鄰域的灰度值和深度值訓(xùn)練一個(gè)隨機(jī)森林模型。這個(gè)模型用來(lái)預(yù)測(cè)Kinect缺失的深度數(shù)據(jù)，具有更多鄰域有效信息的像素點(diǎn)被最先預(yù)測(cè)，預(yù)測(cè)之后的值加入訓(xùn)練數(shù)據(jù)集重新訓(xùn)練模型，循環(huán)預(yù)測(cè)直至所有的缺失數(shù)據(jù)被恢復(fù)為止。