刘继忠，王聪

(南昌大学机器人研究所，江西 南昌330031)

微软公司的Kinect产品发布之后，逐渐吸引了大量科研人员的关注。Kinect作为一款RGB-D相机，可以同时采集彩色(RGB)图像和深度图像，广泛应用于三维场景重建[1]、目标追踪系统[2]、同时定位与地图构建(SLAM)和机器人导航等领域。深度图像中把相机到场景的距离以灰度值的形式储存。在计算机视觉领域主要有3种获取深度信息的方法：第1种是单目相机，其不能直接得到物体与相机的距离，需经过相机平移后计算深度，但有尺度不确定性的缺点；第2种是双目相机，它可以通过两个相机的视差计算深度，但计算视差的运算量较大，消耗计算资源；第3种是RGB-D相机[3]，如Kinect等，它可同时获得彩色图像和相对应的深度图像，因可以直接得到深度信息，且价格低廉，性价比较高。但是，Kinect在采集深度图像时，遇到区域遮挡、镜面反射等情况，所得图像会在这些区域产生大量空洞(即在深度图像里空洞对应区域的灰度值为0)和噪声[4]。因此，为了得到高质量的深度数据，需要对采集的深度图像进行修复，为后续的三维重建提供数据参考。

针对上述问题，许多研究人员对深度图像空洞修复和去噪进行了大量探索研究。其中，基于滤波的方法来达到修复的方式相对简单且应用广泛。Elguebaly等[5]提出了一种基于高斯滤波的修复方法，该方法有较好的修复效果，主要体现在处理小型空洞或噪声的情况，但在处理大面积的空洞时效果较差。Esfahani等[6]采用了基于双边滤波的修复方法，该方法能够有效地处理边缘处的较小的空洞噪声，且能同时考虑到空洞点处的像素信息与位置信息。……