[发明专利]一种融合色彩和深度信息的室内场景轮廓检测方法

权利要求书

1.一种融合色彩和深度信息的室内场景轮廓检测方法，其特征在于，具体包括以下步骤：

(1)将被测场景的彩色图像按颜色通道分离后分别进行边缘检测，并将检测结果进行融合处理后获得彩色图像的边缘检测结果；所述步骤(1)包括以下子步骤：

(11)将被测场景的彩色图像分离成R、G和B三个通道；

(12)提取每个通道图像的边缘信息；

(13)对三个通道图像的边缘进行加权融合，得到彩色图像边缘检测结果；对步骤(12)中得到的三个通道的边缘进行加权融合，得到彩色图像的整体边缘检测结果，红色、绿色和蓝色三个通道的加权系数分别为0.3、0.6、0.1；

(2)提取被测场景深度图像的梯度信息，根据梯度信息对图像边缘进行检测，获得深度图像边缘检测结果；所述步骤(2)包括以下子步骤：

(21)修复被测场景深度图像中的空洞并去除噪声，得到修复后深度图像；对深度图像进行修复，双边滤波是一种非线性的滤波方法，是结合图像的空间邻近度和像素值相似度的一种处理方法，同时考虑空域信息和灰度相似性，达到保边去噪的目的，双边滤波器用公式(21-1)表示，定义域核用公式(21-2)表示，值域核用公式(21-3)表示，权重系数为定义域核与值域核的乘积，用公式(21-4)表示；

上式中，g(i,j)表示位置(i,j)处像素点的双边滤波输出值，依赖于其邻域像素值f(k,l)的加权组合；其中，(k,l)表示邻域像素的坐标位置，w(i,j,k,l)表示(k,l)处像素的权重系数；

公式(21-2)定义了一个标准差为σ_d的高斯核d(i,j,k,l)，取值为3，表征位置(i,j)处像素点与其邻域(k,l)处像素点间的空间高斯距离，空间高斯距离越近，其值越大，反之越小；同样的，公式(21-3)定义了一个标准差为σ_r的高斯核r(i,j,k,l)，取值为50，表征位置(i,j)处像素点与其邻域(k,l)处像素点在像素值空间的高斯距离，像素值差异越小，其值越大，反之越小；

结合像素点与其邻域像素点在空域和值域的相似性度量，得到双边滤波器中的邻域像素权重系数w(i,j,k,l)，表示如下：

(22)对修复后深度图像提取梯度信息；

(23)利用梯度信息提取深度图像边缘检测结果；

(3)根据所述彩色图像边缘检测结果和所述深度图像边缘检测结果构建梯度金字塔，根据所述梯度金字塔对彩色图像边缘和深度图像边缘进行多尺度多层级融合获得边缘检测结果，并将所述边缘检测结果进行边缘聚合操作获得被测场景的最终轮廓；所述步骤(3)包括以下子步骤：

(31)根据所述彩色图像边缘检测结果和所述深度图像边缘检测结果构建高斯金字塔，得到尺度逐级递减的边缘图像组；

(32)对边缘图像组中每幅图像分别用水平、垂直和两个对角线共四个方向的梯度算子进行运算，得到四幅分别包含各个方向梯度信息的图像；

(33)对步骤(32)中得到的图像进行重构，将梯度金字塔转换为拉普拉斯金字塔；

(34)对重构后的高尺度图像进行区域融合，得到融合后的边缘图像；

(35)对所述边缘图像执行边缘聚合操作，得到最终图像轮廓；边缘聚合操作采用轮廓树算法实现，利用树的结构对轮廓间的包含关系进行分层，将边缘按照颜色、纹理特性差异分层，得到不同物体的轮廓。

2.根据权利要求1所述的室内场景轮廓检测方法，其特征在于，所述子步骤(12)具体为：先对单通道图像进行高斯滤波，平滑图像，抑制噪声；再用Canny算子计算梯度，得到梯度幅值与方向；再对梯度幅值进行非极大值抑制，剔除大部分非边缘像素点；最后使用双阈值算法检测和连接边缘像素点得到图像的边缘信息。

3.根据权利要求1所述的室内场景轮廓检测方法，其特征在于，所述子步骤(22)中梯度信息为深度梯度、凸法矢梯度或凹法矢梯度。