冯 策, 薄 中

(中国电子科学研究院，北京 100141)

0 引 言

深度信息的获取是机器视觉中的重要步骤，无人机的碰撞检测和倾斜测量、移动设备的人脸识别等都依赖于对深度图像的分析。近些年，一些快速、经济型深度传感器[1]的诞生，为人机交互和机器视觉领域带来了一系列革命性的变化。由于深度信息与光和物体表面的反射特性无关，所以与传统图像相比，深度图像不受光照变化和阴影的影响。因此，深度图像更容易表示对象的特征，适合于提高机器视觉任务的可靠性和实时性。

然而由于采集设备获取的深度图质量不高，存在噪声严重、边缘缺失等问题，制约了其在工业领域的应用。所以如何改善深度图的质量是本文所要研究的问题。

1 问题分析

由传感器获取的深度信息主要存在以下三方面问题：

(1)深度图像的分辨率较低，不及彩色图像的分辨率；

(2)深度图像噪声干扰严重；

(3)深度图像在物体的边缘处容易出现缺失，通常是由于一个像素点所对应的场景包含了不同的物体表面所引起的。

在深度图像优化方面，至今已经提出了很多算法，文献[2]联合双边上采样方法，是从双边滤波法改进而来的，但是在引导图颜色相似的地方会导致深度图像的模糊，而且图像质量不高。文献[3]中的联合距离变换的方法改进了自适应核回归算法，优化了深度图像细节，但没有修复深度图像缺失。文献[4]利用多传感器数据融合和多向滤波器进行深度图像质量优化，但是需要基于多传感器组合，系统构建复杂。……