[发明专利]基于改进型双边滤波的深度图像恢复方法

说明书

技术领域

本发明涉及图像处理技术领域，特别涉及RGB-D图像，即与之对应的RGB图像的深度图像恢复方法。

背景技术

随着新的深度测量技术的诞生，获得场景深度图像已经变得非常容易，且测量装置也很便宜，并可同时获得与深度图像相对应的场景的RGB图像，与深度图像合起来被称作RGB-D图像。然而这类装置由于测量原理简单，因此得到的深度图像质量也存在问题，主要包括：局部不均匀噪音，空洞现象和错误深度像素。目前对这类装置获得的深度图像恢复的方法主要包括两大类：(1)只利用深度图像信息进行恢复，(2)结合深度图像和与之对应的RGB图像信息进行的恢复，这两大类方法又可以根据只使用当前帧信息和使用多帧信息两种情况各分为两类。

下面对现有的部分RGB-D深度图像恢复算法按上述分类方法进行简要介绍。M.Andrew等人与2012年提出(“Enhanced personal autostereoscopic telepresence system using commodity depth cameras”)使用两个改进型中值滤波器近利用当前帧深度信息进行深度图像恢复；W.Jakob等人与2011年提出(“Real-time preprocessing for dense3-d range imaging on the GPU:defect interpolation,bilateral temporal averaging and guided filtering”)考虑多帧相邻帧深度信息，采用归一化卷积技术和导向滤波器（guided filter）。上述两种方法虽然运算速度很高，但是只使用了深度信息，因此对深度图像恢复效果很有限，只适用于对深度图像质量要求不高的算法，可作为简单预处理算法。Y.Jingyu等人与2012年提出(“Depth recovery using an adaptive color-guided auto-regressive model”)使用能量最小化方法，先对图像中的空洞进行插值填充，然后迭代优化能量函数，达到空洞填充和去噪的效果，该方法使用了当前帧的RGB-D图像信息，其缺陷是恢复后的深度图像边缘很模糊；Massimo Camplani等人与2012年提出(“Accurate depth-color scene modeling for3d contents generation with low cost depth cameras”)使用多帧RGB-D图像建立场景模型，并用该模型进行深度图像恢复，但是该方法要求图像中的场景为静态的，因此很大程度限制了其应用性。

然而上述方法还有一个共同的缺陷就是没有强调错误深度像素问题和提出很好的解决方法。

发明内容

针对现有技术中的缺陷，本发明目的是提供一种基于改进型双边滤波的深度图像恢复方法，该方法提出了错误深度像素的概念，能有效地抑制深度图中的噪音和填充深度图像中的空洞，同时使得恢复后的深度图像中的深度边缘清晰整齐。

为实现上述目的，本发明提供一种基于改进型双边滤波的深度图像恢复方法，该方法先使用局部自适应双边滤波对原始深度图像进行平滑去噪，然后对深度图像中的错误深度像素进行校正，最终结合于深度图像对应的彩色RGB图像，采用选择性联合双边滤波对深度图像进行空洞填充。最终恢复的深度图像噪音得到了有效地抑制，错误深度像素得到了有效地校正，并且有清晰的深度边界。

本发明具体包括以下步骤：

(1)对原始深度图像进行局部自适应双边滤波，对深度图像中的区域不均匀噪声进行平滑；

(2)对深度图像和与该深度图像相对应的RGB图像分别进行边缘检测，分别得到相应的边缘图像；

(3)然后对深度图像的边缘图像进行形态学膨胀，将膨胀后的边缘图像与RGB图像的边缘图像进行逻辑交运算，得到深度边界图像的初始图像；

(4)再对深度边界图像初始图像中的边界像素进行校正，去掉伪边界的边界像素，最终的到真正深度边界图像的近似图像；

(5)结合校正后的深度边界图像，对平滑后的深度图像中错误深度值像素进行校正；

(6)利用深度图像边缘与RGB图像纹理边缘之间的联系，采用选择性联合双边滤波并结合(4)中得到的校正的深度边界图像，对校正后的深度图像中的空洞进行填充。

与现有技术相比，本发明具有如下收益效果：