本發明專利技術涉及一種基于區域遮罩的深度圖像與RGB圖像的智能融合方法，其特征在于，步驟為：在同一時刻采集同一場景的深度圖像與RGB圖像，選取深度圖像與RGB圖像的大區域不變性關聯特征；利用大區域不變性關聯特征進行圖像配準；在配準后的深度圖像中，設置感興趣的深度范圍，得到新的只包含感興趣的深度范圍的新深度圖像；為目標物體產生遮罩；將遮罩與配準后的RGB圖像進行融合。本發明專利技術的優點是：融合后的圖像既包含深度信息，也可以包含色彩和紋理信息；減小算法復雜度，極大地提高對目標物體識別的正確率；提高檢測速度；提高跟蹤速度；提高配準的精度。
【技術實現步驟摘要】
本專利技術涉及一種基于區域遮罩的深度圖像與RGB圖像的智能融合方法，屬于機器 視覺及圖像融合領域。
技術介紹
圖像融合是將兩個或者兩個以上的傳感器在同一時間或者不同時間獲取的關于 某個具體場景的圖像或者圖像序列信息加以綜合，以生成新的有關此場景解釋的處理信 息，而這種信息無法從單一的圖像源中獲取，融合后可以獲取更可靠，更豐富，更準確的有 用信息。在此之前，已公開了許多有關圖像融合算法的專利。例如，公開號為CN1932882， 名稱為《基于目標檢測的紅外與可見光序列圖像特征級融合方法》的專利利用小波變換 的方法對紅外圖像與可見光圖像進行融合。公開號為CN102117483A，名稱為《不同空間 分辨率的多光譜遙感圖像融合方法》的專利對多分辨率的遙感圖像進行融合。公開號為 CN102402855A,名稱為《用于智能交通的雙攝像機實時全景視頻融合方法及系統》的專利則 是針對多源的視頻圖像提出了新的算法。公開號為CN102288963A，名稱為《基于子孔徑參 數估計的雙基地ISAR圖像融合方法》的專利提出了針對多源ISAR圖像的融合方法。公開 號為CN102184534，名稱為《一種利用多尺度高帽選擇變換的圖像融合方法》的專利提出了 新的尺度變換的圖像融合方法。公開號為CN1402191，名稱為《基于塊分割的多聚焦圖像融 合方法》的專利提出了一種新的多聚焦圖像的融合方法。以上所公開的專利文獻，都反映了多源圖像融合研究的一個問題很難設計出一 種能夠適應各類圖像源的圖像融合算法，因此在實際應用中一般針對不同的圖像源開發不 同的圖像融合算法，現有的算法無法滿足對深度圖像與RGB圖像的融合。
技術實現思路
本專利技術的目的是提供一種基于區域遮罩的融合深度圖像與RGB圖像的方法。為了達到上述目的，本專利技術的技術方案是提供了一種基于區域遮罩的深度圖像與 RGB圖像的智能融合方法，其特征在于，步驟為第一步、在同一時刻采集同一場景的深度圖像與RGB圖像，選取深度圖像與RGB圖 像的大區域不變性關聯特征，該大區域不變性關聯特征的檢測或描述對圖像的各種變化保 持不變；第二步、利用大區域不變性關聯特征進行圖像配準，將深度圖像與RGB圖像的坐 標系統一；第三步、在配準后的深度圖像中，設置感興趣的深度范圍，得到新的只包含感興趣 的深度范圍的新深度圖像，感興趣的深度范圍指目標物體距離相機的空間距離的范圍；第四步、對新深度圖像進行梯度運算，得到深度梯度圖G(x，y)，利用邊緣梯度特征 為新深度圖像中的目標物體產生遮罩Q(x，y)或者采用模式識別的方法為新深度圖像中的目標物體產生遮罩Q (x，y)；第五步、將遮罩Q(x，y)與配準后的RGB圖像進行融合。優選地，所述第二步中進行圖像配準的具體步驟為分別選取深度圖像與RGB圖像中的大區域不變性關聯特征，對深度圖像與RGB圖像分別進行特征提取，得到深度圖像特征點及RGB圖像特征點；對深度圖像特征點及RGB圖像特征點進行相似度量，找到匹配的特征點對；通過特征點對求出深度圖像與RGB圖像的坐標變換參數，統一深度圖像與RGB圖像的坐標系；進行圖像配準。優選地，所述第三步的具體步驟為(A//、配準后的深度圖像為D權利要求1.一種基于區域遮罩的深度圖像與RGB圖像的智能融合方法，其特征在于，步驟為第一步、在同一時刻采集同一場景的深度圖像與RGB圖像，選取深度圖像與RGB圖像的大區域不變性關聯特征，該大區域不變性關聯特征的檢測或描述對圖像的各種變化保持不變；第二步、利用大區域不變性關聯特征進行圖像配準，將深度圖像與RGB圖像的坐標系統一；第三步、在配準后的深度圖像中，設置感興趣的深度范圍，得到新的只包含感興趣的深度范圍的新深度圖像，感興趣的深度范圍指目標物體距離相機的空間距離的范圍；第四步、對新深度圖像進行梯度運算，得到深度梯度圖G(x，y)，利用邊緣梯度特征為新深度圖像中的目標物體產生遮罩Q(x，y)或者采用模式識別的方法為新深度圖像中的目標物體產生遮罩Q (X，y)；第五步、將遮罩Q(x，y)與配準后的RGB圖像進行融合。2.如權利要求1所述的一種基于區域遮罩的深度圖像與RGB圖像的智能融合方法，其特征在于所述第二步中進行圖像配準的具體步驟為分別選取深度圖像與RGB圖像中的大區域不變性關聯特征，對深度圖像與RGB圖像分別進行特征提取，得到深度圖像特征點及RGB圖像特征點；對深度圖像特征點及RGB圖像特征點進行相似度量，找到匹配的特征點對；通過特征點對求出深度圖像與RGB圖像的坐標變換參數，統一深度圖像與RGB圖像的坐標系；進行圖像配準。3.如權利要求1所述的一種基于區域遮罩的深度圖像與RGB圖像的智能融合方法，其特征在于所述第三步的具體步驟為配準后的深度圖像為4.如權利要求3所述的一種基于區域遮罩的深度圖像與RGB圖像的智能融合方法，其特征在于利用模式識別的方法為深度梯度圖中的目標物體產生遮罩Q(x，y)的步驟為在新深度圖像D2' (X，y)中提取目標物體的區域范圍5.如權利要求1所述的一種基于區域遮罩的深度圖像與RGB圖像的智能融合方法，其特征在于利用邊緣梯度特征為深度梯度圖G(x，y)中的目標物體產生遮罩Q(x，y)的步驟為全文摘要本專利技術涉及一種基于區域遮罩的深度圖像與RGB圖像的智能融合方法，其特征在于，步驟為在同一時刻采集同一場景的深度圖像與RGB圖像，選取深度圖像與RGB圖像的大區域不變性關聯特征；利用大區域不變性關聯特征進行圖像配準；在配準后的深度圖像中，設置感興趣的深度范圍，得到新的只包含感興趣的深度范圍的新深度圖像；為目標物體產生遮罩；將遮罩與配準后的RGB圖像進行融合。本專利技術的優點是融合后的圖像既包含深度信息，也可以包含色彩和紋理信息；減小算法復雜度，極大地提高對目標物體識別的正確率；提高檢測速度；提高跟蹤速度；提高配準的精度。文檔編號G06T5/50GK102999892SQ20121051059公開日2013年3月27日 申請日期2012年12月3日 優先權日2012年12月3日專利技術者郝礦榮, 黃軍君, 郭爽 申請人:東華大學本文檔來自技高網...
【技術保護點】
一種基于區域遮罩的深度圖像與RGB圖像的智能融合方法，其特征在于，步驟為：第一步、在同一時刻采集同一場景的深度圖像與RGB圖像，選取深度圖像與RGB圖像的大區域不變性關聯特征，該大區域不變性關聯特征的檢測或描述對圖像的各種變化保持不變；第二步、利用大區域不變性關聯特征進行圖像配準，將深度圖像與RGB圖像的坐標系統一；第三步、在配準后的深度圖像中，設置感興趣的深度范圍，得到新的只包含感興趣的深度范圍的新深度圖像，感興趣的深度范圍指目標物體距離相機的空間距離的范圍；第四步、對新深度圖像進行梯度運算，得到深度梯度圖G(x，y)，利用邊緣梯度特征為新深度圖像中的目標物體產生遮罩Q(x，y)或者采用模式識別的方法為新深度圖像中的目標物體產生遮罩Q(x，y)；第五步、將遮罩Q(x，y)與配準后的RGB圖像進行融合。
【技術特征摘要】
【專利技術屬性】
技術研發人員：郝礦榮，黃軍君，郭爽，
申請(專利權)人：東華大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。