RGB-D室内场景图像的目标提取算法研究

作     者：吴晓秋 

作者单位：南京邮电大学 

学位级别：硕士

导师姓名：霍智勇

授予年度：2018年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：RGB-D 目标提取 室内场景 布局估计 区域层次聚类 实例分割 特征融合 

摘      要：目标提取作为场景解析的关键步骤,是机器视觉领域的研究热点之一。针对复杂的室内场景目标提取时容易出现小尺寸物体与平面区域中物体被忽视,以及因遮挡和前背景颜色相近时造成的提取错误等问题,本文开展了利用深度信息来降低室内场景目标提取错误的研究,完成了以下三个方面的工作:1.本文提出了一种基于深度信息的场景布局估计算法。算法使用加权双边滤波结合邻域像素对深度图进行空洞填补,并将其转化为点云数据;然后利用RANSAC算法基于三维欧式距离进行平面分割与分类。数值仿真表明,算法利用3D信息可以有效减少由于遮挡造成的大目标提取错误。2.本文针对小尺寸及平面区域目标容易被忽视的问题,提出了一种基于图像分割的区域层次聚类算法。首先对预处理后的RGB-D图像利用基于图的分割算法和约束参数最小割算法进行分割,接着利用四种区域相似度衡量方法进行区域层次聚类。仿真实验表明,该算法在产生较少目标边界框的情况下有效提高了召回率,并且不需要预训练过程。3.本文针对GrabCut在前背景颜色分布相近时分割效果不理想的问题,提出了一种基于改进的GrabCut的实例分割算法。算法将边界框作为输入,使用六维的高斯混合模型对前背景像素进行建模,并对框内像素构建Gibbs能量公式和图表示,利用图的最小割进行目标实例分割。仿真实验表明,该算法获得了较高的杰卡德评估指标,可以获得更准确的实例分割结果。