基于自學(xué)習(xí)的深度數(shù)據(jù)恢復(fù).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(shù)據(jù)對于一些計算機視覺領(lǐng)域的高層次問題，比如物體檢測和識別、三維重建等研究領(lǐng)域提供了廉價的幾何信息。近年來，隨著成像技術(shù)的成熟，深度傳感器越來越多，深度圖像的修復(fù)也受到廣泛關(guān)注，因為這是后續(xù)研究的基礎(chǔ)，對后續(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，從而通過一系列算法完成計算機視覺領(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)用帶來很大的影響。
　　現(xiàn)有的深度數(shù)據(jù)恢復(fù)算法對于近處場景的小范圍缺失數(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，并且對于遠(yuǎn)處場景的大范圍缺失數(shù)據(jù)無能為力。有的算法需要大量的數(shù)據(jù)，并且無法修復(fù)單幀深度圖像。有的算法需要額外的高清彩色相機或者彩色相機和深度相機對，從而限制了算法的應(yīng)用場景。<

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其丟失的深度數(shù)據(jù)進行預(yù)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(xùn)練一個隨機森林模型。這個模型用來預(yù)測Kinect缺失的深度數(shù)據(jù)，具有更多鄰域有效信息的像素點被最先預(yù)測，預(yù)測之后的值加入訓(xùn)練數(shù)據(jù)集重新訓(xùn)練模型，循環(huán)預(yù)測直至所有的缺失數(shù)據(jù)被恢復(fù)為止。