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的窗口，在目標檢測與識別時，可顯著減少目標的搜索窗口，相比滑動窗口而言，還可有效提升檢測窗口的精度。近年來，在目標識別領(lǐng)域，基于感知分組，提供限定數(shù)量的似物性目標的識別算法逐漸占領(lǐng)目標識別領(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入消費領(lǐng)域，如微軟的Kinect，蘋果公司的PrimeSense，因特爾的RealSense，促進了圖像領(lǐng)域的

2、發(fā)展。深度線索的增加也將促進似物性采樣的發(fā)展，能進一步減少目標識別的搜索窗口。但是，目前已有的算法對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，為了將深度線索對似物性采樣帶來的性能提升拓展到RGB圖像上，本文針對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)的深度估計方法。具體而言，本文的主要工作包括以下幾點：
　　(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，實現(xiàn)了RGBD似物性采樣。在NYU Depth數(shù)據(jù)集上實驗證明了這些似物性描述方法的結(jié)合要比單獨使用任一種描述結(jié)果更優(yōu)。
　　(2)對于單幅彩色圖像，本文提出一種基于結(jié)構(gòu)學(xué)習(xí)快速深度估計算法:a）{提出基于結(jié)構(gòu)隨機森林的多尺度學(xué)習(xí)框架;b）提出輸出標簽離散化的方法，在每個