[发明专利]一种基于kinect2.0的深度图像超分辨率方法

摘要

本发明公开了一种基于kinect2.0的深度图像超分辨率方法。首先，将kinect2.0采集的深度图像和彩色图像进行对齐，获取分布离散深度值的高分辨率深度图像。接着，对该深度图像进行图像超分割，逐块选取标记像素点，作为训练数据。然后，利用非线性LapRLS函数构造回归函数，对每个像素点的深度值进行估计。最后，用双边滤波对超分辨率的深度图像进行平滑和去噪。本方法适用于大面积的深度图像缺失和边缘修复，对复杂场景的深度图像超分辨率有很好的效果。

主权项

1.一种基于kinect2.0的深度图像超分辨率方法，其特征在于包括如下步骤：1)Kinect2.0采集的深度图像分辨率是424×512，彩色图像分辨率是1080×1920，利用sdk for kinect先对两种模态的图像数据进行像素对齐，获得一张分布离散深度值的高分辨率深度图像；2)将彩色图像由RGB颜色空间转化为YUV空间，提取亮度信号Y获得亮度图像，对亮度值大于160的像素的亮度值，线性压缩到区间[160,165]之间，然后再将所有的像素的亮度值线性拉伸到区间[0,255]，最后对亮度图像进行直方图均衡化以减小光照对结果的影响；3)对步骤2)处理后的亮度图像超分割并逐块进行标记像素点选取，如果该块像素点个数占全部像素点个数的比例小于阈值t，那就随机在该块选取一个有深度值的像素点；反之，就在该块内每T个像素随机选取一个有深度值的像素点，其中T＝t*总像素点个数，若块内所有像素都没有深度值，那就不选取任何标记像素点；4)用1×7的向量x表示像素点，七个分量分别为像素点的亮度值、横坐标、纵坐标以及该像素与上下左右像素点的亮度差值，将其代入到非线性LapRLS函数中算出回归模型：y＝αTKXXα＝(KXZKZX+λ1KXXLKXX+λ2KXX)‑1KXZY其中y表示观测值，KXX,ij＝κ(xi,xj)表示向量xi与xj的高斯核函数，KXZ,ij＝κ(xi,zj)表示向量xi与zj的高斯核函数，Y表示标记像素Z所对应的深度值，λ1,λ2,λ3是常量参数；5)利用步骤4)算出的回归模型计算出所有像素点的深度值y。