融合深度信息的RGB图像分割方法研究

发布时间：2022-08-01 16:24

　　图像分割是视觉引导的机器人或机械手识别、定位目标的基础,图像分割的准确度决定了目标识别和抓取的精度。传统的图像分割方法大多是基于灰度、纹理等颜色特征建立的。当分割具有相似颜色特征的相邻或重叠目标图像（比如堆积工件图像或复杂场景图像等）时,基于颜色特征的图像分割方法很难得到准确的分割结果,原因在于RGB图像的本质是三维空间场景到二维图像的映射,在该过程中丢失了深度信息。为此,本文研究并实现了一种融合深度信息的图像分割方法,主要包括深度图像的预处理、融合深度信息的超像素分割和基于多特征融合图论的语义一致超像素合并三个部分,本文主要研究成果如下:首先,提出了结合彩色图像局部边缘特征的深度图像空洞分类修复方法。通过双边滤波算法滤除深度图像中较小的空洞和噪声,根据剩余较大空洞对应的彩色图像区域有无边缘特征将空洞分为无边缘和有边缘两类。对于没有局部边缘特征的空洞通过均值填充的方式修复,对于有局部边缘特征的空洞先根据边缘特征对空洞进行分割,再对分割后的子空洞分别由外而内逐层修复。实验结果表明,该方法的深度图像空洞修复结果在均方根误差、结构相似性和峰值信噪比三方面均优于对比方法。其次,提出了一种融合深... 

【文章页数】：85 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 基于灰度和彩色图像的图像分割方法研究现状
        1.2.2 融合深度信息(RGB-D)的图像分割方法研究现状
    1.3 论文主要研究内容和组织结构
        1.3.1 主要研究内容
        1.3.2 论文组织结构
第二章 融合深度信息的图像分割相关理论
    2.1 深度图像获取技术与RGB-D数据集
        2.1.1 深度图像获取方法分类
        2.1.2 Kinect相机
        2.1.3 双目视觉
        2.1.4 RGB-D数据集
    2.2 超像素分割理论及方法
        2.2.1 超像素分割方法分类
        2.2.2 简单线性迭代聚类(SLIC)超像素分割算法
    2.3 基于图论的图像分割理论及方法
        2.3.1 图论基础
        2.3.2 基于图论的图像分割
        2.3.3 图割算法
        2.3.4 基于图论的多标签分割
    2.4 本章小结
第三章 深度图像的预处理
    3.1 Kinect相机深度图像的空洞及噪声分析
        3.1.1 深度图像空洞分析
        3.1.2 深度图像噪声分析
    3.2 结合彩色图像局部边缘信息的深度图像预处理方法
        3.2.1 深度图像预处理方法整体框架
        3.2.2 双边滤波修复小空洞
        3.2.3 大空洞的分类与修复
    3.3 深度图像修复评价指标
    3.4 实验结果及分析
    3.5 本章小结
第四章 融合深度信息的超像素分割方法(SLIC-D)
    4.1 融合深度信息的像素相似性度量
        4.1.1 深度图像三维空间映射
        4.1.2 融合深度信息的距离度量
    4.2 SLIC-D超像素分割算法
    4.3 超像素分割结果评价指标
    4.4 实验结果及分析
        4.4.1 SLIC-D与 SLIC方法对比实验
        4.4.2 SLIC-D与其他超像素分割方法对比实验
    4.5 本章小结
第五章 基于多特征融合图论的超像素合并方法
    5.1 多特征融合的相邻超像素相似性度量
        5.1.1 欧式距离
        5.1.2 区域协方差矩阵距离
        5.1.3 深度图像边界距离
    5.2 融合深度信息的能量函数
        5.2.1 数据项
        5.2.2 平滑项
        5.2.3 标签项
    5.3 基于多特征融合图论的超像素合并算法
    5.4 实验结果及分析
        5.4.1 与传统的基于图论分割方法(EG)对比实验
        5.4.2 与现有融合深度信息的分割方法(GCSS)对比实验
        5.4.3 与其他图像分割方法对比实验
    5.5 本章小结
第六章 总结和展望
参考文献
发表论文和参加科研情况说明
致谢


【参考文献】：
期刊论文
[1]半监督聚类综述[J]. 秦悦,丁世飞.  计算机科学. 2019(09)
[2]面向复杂环境的图像语义分割方法综述[J]. 王嫣然,陈清亮,吴俊君.  计算机科学. 2019(09)
[3]边缘信息耦合改进的Hough变换的车道线实时检测算法[J]. 付利军,兰方鹏.  电子测量与仪器学报. 2019(08)
[4]基于循环生成对抗网络的道路场景语义分割[J]. 李智,张娟,方志军,黄勃,姜晓燕,黄正能.  武汉大学学报(理学版). 2019(03)
[5]基于物体间支撑语义关系的室内场景彩色深度图像分割[J]. 陈昊天,郑阳,张钰桐,孙凤池,黄亚楼.  控制理论与应用. 2019(04)
[6]一种基于Canny算子的图像边缘检测改进算法[J]. 段红燕,邵豪,张淑珍,张晓宇,王小宏.  上海交通大学学报. 2016(12)
[7]基于最大类间方差法与GA相结合的图像分割算法研究[J]. 洪浩,霍春宝.  辽宁工业大学学报(自然科学版). 2016(02)
[8]面向RGBD图像的标记分水岭分割[J]. 余烨,李冰飞,张小魏,刘宜萍,李海琴.  中国图象图形学报. 2016 (02)
[9]基于机器视觉的Delta机器人分拣系统算法[J]. 倪鹤鹏,刘亚男,张承瑞,王云飞,夏飞虎,邱正师.  机器人. 2016(01)
[10]结合边缘局部信息的FCM抗噪图像分割算法[J]. 夏菁,张彩明,张小峰,李雪梅.  计算机辅助设计与图形学学报. 2014(12)

硕士论文
[1]基于聚类和区域生长的彩色地图图像分割方法研究与实现[D]. 翟晓婕.西安电子科技大学 2014



本文编号：3667783