论文研究基于引导采样的Kinect深度图修补算法.pdf

针对Kinect采集到带有大量的结构性缺失的深度图，提出了一种基于引导采样的深度图空洞噪声修补算法。算法首先将深度图所对应的彩色图片转换为灰度图，然后用K-means算法将彩色图转换而来的灰度图进行聚类处理，将生成的聚类图作为引导图。联合引导图对深度图空洞噪声边缘深度值采样，采集多个深度值并计算深度均值，最后使用深度均值来作为空洞的深度估计值。通过与基于蒙特卡罗不确定度评价的深度图修补算法（MC-UE）相比较，由于有引导图的矫正作用，边缘细节更加清晰准确。对于处理较小面积的空洞噪声，处理结果相较于MC-UE算法，均方误差降低4%左右。对于处理较大面积的空洞噪声，均方误差较MC-UE算法降低了9