基于矩陣低秩和局部圖像模型的深度圖像恢復(fù).pdf

1、近些年來，隨著視覺影像技術(shù)的飛速發(fā)展，一般的基于彩色圖像的影像不能精確刻畫現(xiàn)實立體場景，所以也已經(jīng)越來越不能滿足人們的需求，隨之而來的三維立體影像技術(shù)也應(yīng)運(yùn)而生。三維立體影像自然就包含三個維度的信息，除了傳統(tǒng)的彩色圖像外，還包含了物體場景的距離信息，也就是深度信息。而對于只含場景深度信息的圖像我們稱之為深度圖像，由于深度信息不受場景中物體表面的放射特性以及光照的影響，所以可以更準(zhǔn)確地表示物體表面的三維信息，從而彌補(bǔ)了傳統(tǒng)光學(xué)圖像不能刻畫

2、場景三維信息的不足。
　　盡管深度獲取技術(shù)在不斷地發(fā)展，當(dāng)和場景對應(yīng)的彩色圖像比較時，得到的深度圖像質(zhì)量依舊很低（較低的分辨率，很大的噪聲以及數(shù)據(jù)缺失）?；谶@個原因，深度相機(jī)的實際應(yīng)用還是有一定的局限性；因此就需要開發(fā)有效的深度圖像恢復(fù)技術(shù)來支持他們在現(xiàn)實世界有更廣泛的應(yīng)用。深度相機(jī)可以獲得同場景的彩色圖和深度圖，所以由彩色圖像導(dǎo)向的深度恢復(fù)成為現(xiàn)在深度圖像恢復(fù)技術(shù)主流。本文基于匹配的彩色和深度圖像展開深度圖像恢復(fù)工作：

3、　　1.首先，彩色圖-深度圖的依賴屬性是局部變化的，特別是在幾何場景的細(xì)節(jié)邊緣部分。例如，彩色圖像中平滑區(qū)域常常對應(yīng)深度圖像中平坦表面（因為反射率和形狀是相互對應(yīng)的）。再者，深度圖像經(jīng)常擁有很強(qiáng)的非局部相似性，特別是在幾何場景的不連續(xù)區(qū)域。因此，以彩色圖像為導(dǎo)向，并有效地利用這樣的非局部相似性是非常重要的。這些發(fā)現(xiàn)啟發(fā)我們發(fā)明一個基于聯(lián)合局部和非局部正則的深度恢復(fù)算法-基于矩陣低秩和局部圖像模型的深度圖像恢復(fù)算法(LRL)，能夠自適應(yīng)地

4、利用顏色與深度之間的依賴關(guān)系。算法LRL在Middlebury數(shù)據(jù)集上優(yōu)于現(xiàn)有的最先進(jìn)的深度恢復(fù)方法。
　　2.算法LRL還有一些不足之處，就是非局部正則在圖像全局采用低秩正則，這個會造成時間成本上的浪費(fèi)。因此引入全變差正則化，對于光滑區(qū)域就不用低秩處理，可以很好地對平坦區(qū)域進(jìn)行恢復(fù)，有效地消除噪聲；對于全變差會造成的對比度缺失和紋理缺失等問題，我們對全變差施加不同的權(quán)重系數(shù)，即加權(quán)的全變差（加權(quán)TV），因為這些權(quán)重系數(shù)是由與深度