[发明专利]一种错误区域自动检测的深度图像快速迭代修复方法

说明书

本发明涉及一种错误区域自动检测的深度图像快速迭代修复方法。包括：步骤1，利用Canny算法对待修复的深度图像进行边缘提取得到边缘图像；步骤2，如果算法是第一次迭代，则采用OTSU算法计算边缘图像的二值化阈值，利用该二值化阈值得到边缘图像的二值化图像，然后根据该阈值计算最小百分比与增量百分比；否则采用当前迭代数的百分比二值化方法得到边缘图像的二值化图像；步骤3，将二值化图像作为掩模，采用快速图像修复算法得到修复结果；步骤4，将修复结果作为待修复图像并重新执行步骤1至步骤3，直到迭代次数到达最大值后得到修复后的深度图像。本发明的方法能够实现深度图像中错误区域的自动标记与快速修复。

技术领域

本发明属于三维重建领域，具体涉及一种错误区域自动检测的深度图像迭代修复方法。

背景技术

基于图像序列的三维形貌重建属于不适定问题范畴，因为通过分析待重建对象的二维图像序列可以得到不胜枚举的三维重建结果，所以在三维重建结果中必然会出现不同形状和大小的错误深度区域，导致重建结果的精度下降。因此，如何对错误的深度结果进行有效的修复是获得高精度三维形貌重建结果的关键。

现有的深度图像修复方法主要包括基于扩散的方法，基于纹理合成的方法、基于数据驱动的图像修复算法、基于稀疏表示的图像修复算法和基于深度学习的图像修复算法。基于扩散的方法主要利用待修复区域的边缘信息来确定扩散的方向，此类方法适用于缺失区域较小的图像修复问题，当缺失区域较大时，算法修复的结果容易导致模糊现象。基于纹理合成的方法采用图像匹配的方法寻找图像块中最相似的块进行缺失区域填充，此类方法适用于深度图像中规律区域的修复，当缺失区域存在复杂结构时，算法修复效果明显变差。基于数据驱动的图像修复算法主要从大型的外部数据库中查找最相似的图像，进而修复缺失的区域，此类方法对外部数据库的信息的完整性有较大要求，且查询操作的计算量较大，无法实现深度图像的快速修复。基于稀疏表示的图像修复算法旨在借鉴缺失区域和完好区域相同的稀疏性，利用完好区域信息的稀疏表示，重构缺失区域的图像，此类算法的计算复杂度较高，使用场景受限。基于深度学习的图像修复方法主要使用带有特定标签的图像对进行神经网络训练，通过大量数据集的训练得到较好的图像修复结果。此类方法需要的标记数据量大，时间复杂度高。

通过了解研究现状，我们认为该领域的方法存在以下几点不足：①基于扩散的图像修复方法无法适用于缺失区域较大的深度图像修复问题；②基于纹理合成和数据驱动的图像修复方法依赖于完好区域和外部数据库图像块的匹配程度，无法适用于纹理结构复杂区域的图像修复问题；③基于稀疏表示与深度学习的方法计算复杂度较高，无法适用于深度图像的快速修复问题。如何建立一个高精度的深度图像快速修复方法是当前面临的一个难题。

综上所述，我们认为深度图像中错误深度信息与周围真实深度信息存在较大差异，因此如果能够准确标定错误深度信息的边缘位置，利用周围真实深度信息进行修复，然后再利用百分比二值化方法重新确定新的错误深度信息边缘位置，最终实现深度图像的快速迭代修复。本专利通过分析深度图像具有的一致性连续性特征定位错误深度信息边缘位置，采用快速图像修复算法实现当前检测得到的错误深度边缘信息进行迭代修复，提出了缺失区域自动检测的深度图像迭代修复方法。

发明内容

为克服上述技术中存在的问题，本发明的目的是提供一种错误区域自动检测的深度图像快速迭代修复方法。

本发明所采取的技术方案是：一种错误区域自动检测的深度图像快速迭代修复方法，包括以下步骤：

步骤1，设置迭代总数N与最大百分比P_Max；

步骤2，利用Canny算法对待修复的深度图像I_unrepaired进行边缘提取得到边缘图像I_edge；