[发明专利]一种基于纹理的深度图像边界修正方法有效
申请号: | 201610007975.6 | 申请日: | 2016-01-07 |
公开(公告)号: | CN105678765B | 公开(公告)日: | 2019-06-28 |
发明(设计)人: | 金欣;许娅彤;张新;戴琼海 | 申请(专利权)人: | 深圳市未来媒体技术研究院;清华大学深圳研究生院 |
主分类号: | G06T7/13 | 分类号: | G06T7/13 |
代理公司: | 深圳新创友知识产权代理有限公司 44223 | 代理人: | 江耀纯 |
地址: | 518000 广东省深圳*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 纹理 深度 边界 修正 方法 | ||
1.一种基于纹理的深度图像边界修正方法,其特征在于包括如下步骤:
A1、输入深度传感器采集的纹理图像与对应深度图像;
A2、分别提取纹理图像边界与深度图像边界,以纹理图像边界为基准获取深度边界错位图;
A3、沿深度图像边界逐点计算法线方向梯度值,得到该点附近误差深度代表值与准确深度代表值,获取划定边界错位区域准则,利用该准则划分从纹理图像边界点出发向对应的深度图像边界点方向延伸射线上准确深度点与误差深度点,误差深度点构成需要消除的深度边界错位,计算准确深度点与误差深度点的像素差值,确定边界错位区域;其中准确深度点为好点Pgood,误差深度点为坏点Pbad;
A4、根据边界错位区域分布特征,自适应地确定方形窗口W边长进行深度增强处理,修正窗口内坏点深度,消除边界错位区域Er;
其中步骤A4中保证窗口W中好点占优,即好点个数Ngood多过坏点个数Nbad。
2.如权利要求1所述的基于纹理的深度图像边界修正方法,其特征在于:步骤A2中,采用如下算子之一提取纹理图像边界Te与深度图像边界De:Sobel算子、Roberts算子、Prewitt算子;并将提取的纹理图像边界Te映射到深度图像上,获取以纹理图像边界为基准的深度边界错位图。
3.如权利要求1所述的基于纹理的深度图像边界修正方法,其特征在于:步骤A3中,沿纹理图像边界逐点分析射线上好点与坏点的分布情况,即基于射线上各像素点P的深度值DP划分好点Pgood与坏点Pbad,确定边界错位区域Er;所述射线是指以纹理图像边界点为端点向离其最近深度图像边界点方向延伸的线。
4.如权利要求1所述的基于纹理的深度图像边界修正方法,其特征在于:在步骤A4中,还包括如下步骤:获得好点深度值Dgood与坏点深度值Dbad差异TH2,划分以纹理图像边界点PTe0为端点,向距离最近的深度图像边界点PDe0方向延伸的射线上像素点P属于好点Pgood集与坏点Pbad集,记射线上坏点个数为Nbad0,设定方形窗口W边长TH1的初始值为2Nbad0+1,统计紧挨纹理图像边界点PTe0后TH1-1个纹理图像边界点PTek,其中,k=1,...,TH1-1,每点对应射线起始TH1-1个点中的好点数量与坏点数量,分别累加最终得窗口W中好点总个数Ngood与坏点总个数Nbad。
5.如权利要求4所述的基于纹理的深度图像边界修正方法,其特征是在步骤A4 中,还包括如下步骤:若好点仍占优,则用窗口W内所有好点的深度加权均值,计算如下:
修正坏点深度值Dbad,消除窗口W内的边界错位区域Er;否则,对方形窗口W边长TH1加1,重新统计新窗口内好点总个数Ngood与坏点总个数Nbad,直到窗口W内好点占优。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市未来媒体技术研究院;清华大学深圳研究生院,未经深圳市未来媒体技术研究院;清华大学深圳研究生院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201610007975.6/1.html,转载请声明来源钻瓜专利网。