[发明专利]基于GPU的深度图修复和虚实场景结合技术

权利要求书

1.基于GPU的深度图修复和虚实场景结合技术，包括以下步骤：

(1)采集深度图和彩色图；

(2)对图像进行下采样，以保证实时的修复速度；

(3)使用QuickShift算法对彩色图像进行分割，具体算法实现使用的是基于GPU运算的CUDA实现；

(4)利用彩色图的分割结果，对存在缺失深度数据的分割块进行处理。首先对Kinect的深度图和彩色图进行配准。如果该区域内存在深度数据，则使用本区域的平均深度值填补缺失区域；如果本区域的深度信息全部缺失，则使用临近区域的平均深度值进行填补；

(5)对图像进行上采样。

2.如权利要求1所述的方法，其特征在于使用基于CUDA实现的Quickshift算法对彩色图像进行分割的步骤包括：

(1)对彩色图像进行高斯滤波；

(2)遍历彩色图像的每个像素，计算滤波后的彩色图像的概率密度能量值，获得彩色图像的能量图；

(3)遍历图像的每个像素，建立概率密度能量递增树；

(4)以每个像素追溯到的根节点为依据，对图像像素进行聚类；完成彩色图像分割。

3.如权利要求2所述的方法，其特征在于，计算彩色图像的概率密度能量值的方法；

在窗口内部计算每个像素的概率密度，概率密度的计算方式是对每个像素的R，G，B三分量和x，y坐标构成的特征空间；

计算窗口内每个点与其他像素点在特征空间上的欧几里距离距离，然后计算该距离的以e为底的负指数值，得到该点的概率密度能量；

距离越小，说明与该点类似的点的概率越大，则该点的概率密度能量也就越大。

该过程如以下式所示：

(1)D_ij为窗口内坐标为i，j的点的概率密度距离，计算每个点的概率密度距离D_ij：

Dij=Σkl((rij-rkl)2+(gij-gkl)2+(bij-bkl)2+(xij-xkl)2+(yij-ykl)2)]]>

(2)计算每个点的概率密度能量E_ij

Eij=e-Dij]]>