深度数据在计算机图形学、三维重建等领域有着至关重要的意义,深度相机的出现使得用户能够更加便捷地获取深度数据,使得三维重建更加简单、快捷,然而深度相机在采集深度图像时,往往出现错误或丢失的深度数据,尤其是采集植株物体的深度图像时,在枝、叶等细节处易出现深度数据丢失的情况,且往往含有大面积缺失深度数据的区域,而利用常见的深度图像修复方法对植株深度图像进行修复的效果并不是很理想。针对植株深度图像的深度数据错误和缺失、常见的滤波方法无法准确修复植株深度图像的问题,从植株的形状特点出发,提出一种基于目标特征的植株深度图像修复方法,该方法分为两种方式进行修复,即:基于空间拟合的植株深度图像修复、基于支持向量机和空间变换运算的植株深度图像修复。本文研究的主要内容如下:1.植株图像预处理。首先对植株图像进行配准,采用融合颜色和空间信息的图像分割算法对植株彩色图像进行目标分割,再提取各个目标区域内部像素点的信息作为采样点、待修复点,接着对每个目标区域的采样点个数、待修复点个数进行计算,以判别该区域适宜采用何种修复方法进行修复。2.基于空间拟合对植株深度图像进行修复。利用移动最小二乘法对待修复区域进行空间拟合,拟合出区域的空间方程,并将待修复像素点代入该空间方程,计算出该像素点的深度值,修复小面积缺失深度数据的区域。3.树叶图像数据集生成及特征提取。当前,树叶彩色图像和深度图像数据集尚不完善,因此采用仿射变换对树叶图像数据集进行扩充,同时按照植株的类型对树叶进行分类。此外,提取树叶图像中合适的特征,以预测树叶属于哪一类植株。4.基于SVM和空间变换运算对植株深度图像进行修复。基于SVM方法对树叶图像数据集进行训练,而后将待修复树叶的特征输入到模型中进行预测,预测出待修复叶片所属植株的类别,再在该类树叶的数据集中进行相似性度量,检索出最佳匹配的叶片;最后,根据最佳匹配叶片和待修复叶片的空间信息计算出两叶片的空间关系,采用空间变换运算,计算出待修复像素点的深度值,以修复存在大面积缺失深度数据的叶片区域。实验结果表明,本文提出的方法能够准确地修复植株深度图像中错误、缺失的深度数据,对于植株细节处缺失的深度数据和大面积缺失深度数据的区域有着良好的修复效果,且能够有效地保护目标区域的边缘信息。