一种改进的非锐化掩模深度图像增强算法

冯 策，戴树岭

(北京航空航天大学自动化与电气工程学院，100191北京)

深度图像的获取是机器视觉中的重要步骤，三维重建、碰撞检测、增强现实、模式识别等都依赖于对深度图像的分析.由于深度信息独立于光照以及物体表面的光反射特性，与传统的图像相比，深度图像不受光照改变以及阴影的影响，因此，深度图像更容易表现物体的特征，适用于提升机器视觉任务的可靠性和实时性.

深度图像通常由双目相机，阵列相机以及深度相机［1］进行采集，然而由于采集设备获取的深度图质量不高，通常存在图像缺失，分辨率低，以及噪声严重等问题，制约了深度信息在工业上的应用.所以如何来改善深度图的质量是本文所要研究的内容.

1 问题分析

由传感器获取的深度信息主要存在以下两方面问题:由于摄像头精度问题所固有的误差和光噪声;由于在物体边缘处存在深度不连续性，导致在对象的边界处会出现许多空洞，即深度缺失.

近些年，研究人员在深度图像质量优化方面做出了许多工作.在深度图降噪方面，文献［2］改进了自适应核回归算法，对深度图像进行了降噪的同时保持了细节，但是没有修复缺失，并且计算复杂度较高.文献［3］采用了三边滤波法进行降噪处理，并在时域上增强了图像细节，但预处理流程复杂，需要对图像进行分割以及前景提取等.在深度图修复缺失方面，文献［4］分别采用两种尺寸的窗体对深度图像进……