场景中支撑关系提取是场景结构分析的重要内容,通过提取场景中的支撑关系能够获悉场景中不同目标之间的联系,对场景理解有着重要的意义。随着深度采集设备的发展,人们已经能够很好的获取场景中的深度信息,一般将具有深度信息的彩色图像称之为RGB-D图像。如果能够将深度信息加入到场景结构提取中,则可以更好地获取场景中物体间的物理关系,同时也更加符合人类视觉系统的模型。因此,基于RGB-D的场景支撑关系提取是非常有意义的研究领域。场景支撑关系提取中场景图像的分割、基于分割区域的特征分类以及场景结构之间关系模型建立和提取是需要解决的核心问题。本文工作总结如下：(1)针对基于RGB-D场景支撑关系提取中设计的一些核心问题进行研究,这些问题包括：RGB-D图像的采集、图像分割算法研究和结构等级与支撑关系模型的建立。(2)在图像分割之后,利用不同划分图像区域的特征描述子对该区域进行等级结构分类,本论文在传统的SIFT特征描述子的基础上,将核主成分分析法利用到SIFT特征描述子的降维中,并提出一种新颖的核函数,使降维的效果更好。(3)针对文献[16]中的支撑关系提取算法进行了改进。首先提出了一种更加精确的场景等级结构与支撑关系模型。之后在图像分割中加入了5种不同的特征信息训练决策分类树,对图像进行分割。然后利用第三章改进的描述子作为区域特征对不同区域的结构等级进行分类。最后利用线性规划算法计算出场景中不同区域之间的支撑关系。在研究评价准则的基础上对实验结果进行了分析。