孟天禹，陈春雨，赵丹丹，赵金龙

哈尔滨工程大学 信息与通信工程学院，黑龙江 哈尔滨 150001

图像修复算法是计算机视觉领域的一个重要的课题，通常是对于残缺的RGB 图片进行修复，对残缺的位置进行补充，从而使得修复后的图片变得合理或者与破损前的原图接近。近年来深度学习技术和计算机并行计算能力快速发展，使用深度学习技术的图像修复算法的效果也得到了大幅的提升，相较于传统的方法只能得出模糊的修复结果，最新的图像修复算法已经能够得出语义合理的修复效果，在颜色、纹理甚至结构信息上都能达到人眼不容易分辨的水平[1]。随着深度学习技术在RGB 图片上的广泛应用，深度图像的处理算法也在快速发展。得益于微软Kinect 以及英特尔RealSense 等消费级深度相机的普及，越来越多的研究人员开始专注于深度图像的各种处理算法。然而图像修复算法在深度图像中的应用并没有得到广泛的关注。一个在深度图像中较为重要的课题是深度补全，由于深度相机在获取图片时依赖结构光投射到被拍摄物体上，再由专门的红外摄像头进行采集，以获取目标物体到深度相机的距离。在这一过程中，如果被摄物体与背景有较大的距离或者场景中包含窗户或较远的物体时，极易在获取到的深度图像中产生无效像素[2]，深度补全即研究如何正确修复这些无效像素。由于无效像素的存在有特定的原因，比如经常出现在较大面积的窗户或两物体的边缘位置，因此可以有针对性地对这2 种情况进行深度的填充[3]。……