版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、隨著計算機視覺技術(shù)的快速發(fā)展,其成果如增強現(xiàn)實、虛擬現(xiàn)實、智能監(jiān)控以及特征識別等被越來越多的用于實際生活中,為人們的生活帶來了極大的樂趣與便捷。對于許多計算機視覺應(yīng)用而言,場景中提取出的前景物體是應(yīng)用進行處理的基礎(chǔ)。因此,對圖像中前景物體的分割提取越來越受到數(shù)字圖像處理研究者們的重視。
盡管目前研究者們在前景物體分割方面提出了大量巧妙的算法,但是仍然存在不少問題,如提取的前景物體輪廓不準(zhǔn)確,無法給出獨立個體的分割結(jié)果等。隨著K
2、inect深度相機等廉價深度信息獲取設(shè)備的出現(xiàn),結(jié)合色彩和深度信息為提取前景物體提供了一條新的途徑。針對以上存在的問題,本文提出了一種基于圖和深度分層的室內(nèi)場景前景物體提取算法。
論文首先對圖像中前景物體提取的研究背景、意義、國內(nèi)外研究現(xiàn)狀以及提取前景物體所面臨的難點進行了綜述,并介紹了論文的結(jié)構(gòu)安排。然后對本文中提出的前景物體提取算法中涉及的關(guān)鍵技術(shù)進行了詳細(xì)的闡述。最后對實驗結(jié)果進行分析,并進一步用本文中算法得到的提取結(jié)果
3、與其他先進算法進行對比評估算法的性能。
本文通過將色彩信息與深度信息進行融合以改進基于圖的圖像分割算法,對給予的場景進行過分割用于后續(xù)的合并步驟。然后提出了一種深度圖修復(fù)算法用以修復(fù)給定深度圖中的空洞,基于室內(nèi)場景中的前景物體在深度上起伏較小的假設(shè),利用擴展的多閾值大津法將對應(yīng)的深度圖進行分層處理,斷開各前景物體之間以及前景和背景之間在深度上的連續(xù)性。并提出了一種利用種子點自動選取合適深度分層的方案以減少交互操作。接著為了解決
4、當(dāng)場景中前景和背景的色彩和深度均相似時無法在兩者之間生成有效邊界的難點問題,同時也為了優(yōu)化提取結(jié)果,本文利用深度信息生成法向圖以提供一種新的約束條件。最后,利用深度分層、法向圖、用戶設(shè)置的種子點以及區(qū)域面積設(shè)計約束規(guī)則對過分割的場景圖像進行區(qū)域合并,從而在色彩圖和深度圖中提取出具有清晰輪廓的前景物體。論文作者對算法的實驗結(jié)果進行了統(tǒng)計分析并給出分析結(jié)果,同時進一步將實驗結(jié)果與多種已發(fā)表的不同算法的實驗結(jié)果進行對比。實驗證明,本文算法更加
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于最短路徑算法的視頻前景物體分割方法研究.pdf
- 基于雙目視覺的物體深度信息提取.pdf
- 基于彩色和深度的前景分割研究.pdf
- 基于雙目立體視覺的物體深度信息提取系統(tǒng)研究.pdf
- 基于深度視覺的物體識別算法研究.pdf
- 基于圖分割的運動物體前景檢測算法的研究.pdf
- 基于分層深度學(xué)習(xí)的行人分類方法研究.pdf
- 由散焦圖像重構(gòu)景物深度.pdf
- 基于顏色提取物體
- 基于分層代表幀提取的視頻摘要研究.pdf
- 基于深度圖象的3D曲面物體識別方法研究.pdf
- 基于三維電視深度圖提取算法的研究.pdf
- 基于分形的自然景物模擬及信息提取.pdf
- 基于特征提取和特征選擇的級聯(lián)深度學(xué)習(xí)模型研究.pdf
- 基于深度圖像分層的虛擬視點繪制研究.pdf
- 基于深度圖的物體表面三維網(wǎng)格重建.pdf
- 基于視覺的神經(jīng)機制的圖像特征提取和物體識別.pdf
- 水中物體的視深度
- 基于深度相機的剛性物體典型運動特征重建.pdf
- 基于LBP和深度學(xué)習(xí)的人臉特征提取.pdf
評論
0/150
提交評論