[发明专利]一种改进的高斯混合模型深度图像增强方法

权利要求书

1.一种改进的高斯混合模型深度图像增强方法，其特征在于，包括以下步骤：

步骤A，对场景进行高斯建模，获取背景匹配模型，用kinect传感器获取当前场景图像，并进行空洞修复处理，获得无空洞的背景深度图像；

步骤B，利用kinect传感器获取一随机动态场景的纹理图和对应的原始深度图像，对纹理图和深度图像进行对齐裁剪，得到相同大小和分辨率的目标图像；

步骤C，利用高斯混合模型对原始深度图像进行前景、背景分离，获得原始前景图像和原始背景图像；

步骤D，分别对原始前景图像和原始背景图像进行空洞填充，所述步骤D中，原始背景图像中的空洞采用步骤A获得的背景深度图像中相应的背景深度值进行填充，原始前景图像中的空洞采用权值估计函数的值进行填充；

步骤E，对填充后的图像进行中值滤波处理；

所述权值估计函数为：

P＝I*D(i,j)+J*|Pi-Pj|+K*BG

式中，I、J、K是权值，D(i,j)是空洞点i和待搜索点j之间的几何距离，|Pi-Pj|是空洞点i和待搜索点j之间的像素值差的绝对值，当空洞点周围待搜素的点属于前景点时BG＝0，当空洞点周围带搜素的点属于背景点时BG＝1。

2.根据权利要求1所述的改进的高斯混合模型深度图像增强方法，其特征在于，步骤A中，所述空洞修复处理包括腐蚀膨胀和中值滤波。

3.根据权利要求1所述的改进的高斯混合模型深度图像增强方法，其特征在于，步骤C中，所述高斯混合模型的高斯概率分布函数为：

式中，η(X_t,μ_i,t,∑_i,t)为t时刻的第i个高斯分布，∑_i,t为方差，μ_i,t为均值，X_t为t时刻的像素点，每个像素点用M个高斯混合模型来表示，ω(i,t)为函数权重，其中，n表示维数。