论文部分内容阅读
随着Kinect设备的出现,基于RGB-D图像的研究迅速成为现今计算机视觉领域的研究热点之一。RGB-D图像采用二维的图像信息表示三维的场景信息,在二维平面和三维空间之间起到重要的桥梁作用。RGB-D图像为通过二维图像的处理方法解决三维空间的问题提供了可能。在研究图像的过程中,图像特征一直是其中的关键问题之一。本文提出了一种基于RGB-D图像的几何特征提取与特征信息分类的算法。根据RGB-D图像的几何特征分类结果,本文还将其应用于三维形状恢复中:提出了一种基于几何特征的Scene-SIRFS三维场景形状恢复算法。通过该三维形状恢复算法不仅可以从RGB-D图像中分解出三维场景的反射率图像、光照图像以及阴影图像,而且还可以对原始的深度图像进行优化。本文的主要研究内容和创新点如下:1.提出了一种基于RGB-D图像的几何特征提取和特征信息分类的算法。该算法通过结合RGB图像中的二维图像信息和深度图像中的物体三维信息,实现物体的几何特征提取和特征信息分类。通过该算法可以将几何特征边缘分为:遮挡类边缘、凹陷折皱类边缘以及凸起折皱类边缘。几何特征分类的结果是一种高级的语义特征,可以应用于计算机视觉的其他领域。本文采用NYU提供的真实复杂室内场景图像库对该算法进行测试和分析。实验结果表明:本文提出的算法可以快速、高效的实现几何特征的提取和分类,提取的几何特征边缘准确完整,并且算法具有较高的鲁棒性。2.提出了一种基于几何特征的Scene-SIRFS三维形状恢复算法,该算法是针对几何特征分类结果的一个应用。基于几何特征的Scene-SIRFS三维形状恢复算法是在Scene-SIRFS算法的理论基础上提出的一种改进算法。该算法通过遮挡类边缘以及折皱类边缘的相关性质,引入遮挡类边缘以及折皱类边缘的形状先验约束条件,采用最小化优化算法更加精确地实现三维场景的形状恢复。本文同样选用NYU的真实复杂室内场景图像库对本文的形状恢复算法进行实验分析,并将实验结果与Scene-SIRFS算法的实验结果相比较。实验结果分析表明:本文提出的基于几何特征的Scene-SIRFS三维形状恢复算法的恢复结果明显优于Scene-SIRFS算法,边缘部分形貌更加清晰、几何特征更加明显,对于原始深度图像的优化结果更加准确。