[0059] (31)對輸入深度圖像進行逐像素鄰域差分，若該像素是深度圖像原點且深度值為 最小值，則直接存儲入根節(jié)點，并執(zhí)行步驟（25)，否則判斷為鄰域內極值點；
[0060] (32)若該像素是深度圖像的上邊緣點，則與左像素點差分，判斷是否是鄰域內極 值點；
[0061] (33)若該像素是深度圖像的左邊緣點，則與上像素點差分，判斷是否是鄰域內極 值點；
[0062] (34)若該像素是深度圖像的其他點，則分別與上像素點、左像素點差分，判斷是否 是鄰域內極值點。
[0063] 如圖3所示，所述步驟（23)還包括以下子步驟：
[0064] (41)對鄰域內其他兩像素點所在子樹進行合并；
[0065] (42)將鄰域內深度值較大的像素所在節(jié)點確認為待插入節(jié)點的父節(jié)點，創(chuàng)建新葉 子節(jié)點，調整父節(jié)點、兄弟節(jié)點、孩子節(jié)點，保存像素位置值；
[0066] (43)返回該節(jié)點位置。
[0067] 如圖4所示，所述步驟（24)還包括以下子步驟：
[0068] (51)對鄰域內其他兩像素點所在子樹進行合并；
[0069] (52)若該像素深度值與鄰域內某一像素深度值相同，則將該像素的節(jié)點確認為待 插入節(jié)點，保存像素位置值，返回該節(jié)點位置；
[0070] (53)若該像素深度值與鄰域內某一像素的父輩節(jié)點深度值相等，則將該父節(jié)點確 認為待插入節(jié)點，保存像素位置值，返回該節(jié)點位置；
[0071] (54)若該像素深度值介于鄰域內某一像素的父輩節(jié)點及其子節(jié)點之間，則將該父 節(jié)點確認為待插入節(jié)點的父節(jié)點，創(chuàng)建新子節(jié)點，調整父節(jié)點、兄弟節(jié)點、孩子節(jié)點，保存像 素位置值，返回該節(jié)點位置。
[0072] 如圖5所示，所述步驟（41)和（51)還包括以下子步驟：
[0073] (61)若兩像素點所在節(jié)點是同一節(jié)點，則合并完成；
[0074] (62)若兩像素點所在節(jié)點不是同一節(jié)點但兩像素深度值相同，則合并兩像素所 在節(jié)點的點集，調整兩像素所在節(jié)點的父節(jié)點、兄弟節(jié)點、子節(jié)點，調整映射圖，刪除廢棄節(jié) 點，則合并完成；
[0075] (63)若兩像素點所在節(jié)點不是同一節(jié)點且兩像素深度值不同，且深度值較大節(jié)點 的父節(jié)點的深度值仍大于等于另一深度值較小節(jié)點，則對深度值較大節(jié)點的父輩節(jié)點及較 小節(jié)點執(zhí)行合并步驟（41);
[0076] (64)若兩像素點所在節(jié)點不是同一節(jié)點且兩像素深度值不同，且深度值較大節(jié)點 的父節(jié)點的深度值小于另一深度值較小節(jié)點，則調整兩節(jié)點父節(jié)點、兄弟節(jié)點、孩子節(jié)點， 則合并完成。
[0077] 如圖6所示，所述步驟⑵還包括以下子步驟：
[0078] (71)遍歷深度樹；
[0079] (72)若當前節(jié)點不是葉子節(jié)點，則繼續(xù)遍歷；
[0080] (73)若當前節(jié)點是葉子節(jié)點，則計算點集數，求得該節(jié)點面積，判斷是否小于閾值 MIN_AREA = 30 ；
[0081] (74)若當前節(jié)點面積大于等于30,則繼續(xù)遍歷；
[0082] (75)若當前節(jié)點面積小于30,則將該葉子節(jié)點的點集合并入父節(jié)點中，并調整父 節(jié)點、兄弟節(jié)點，調整映射圖，刪除該節(jié)點，繼續(xù)遍歷。
[0083] 如圖7所示，所述步驟⑶還包括以下子步驟：
[0084] (81)遍歷深度樹；
[0085] (82)若當前節(jié)點不是葉子節(jié)點，則繼續(xù)遍歷；
[0086] (83)若當前節(jié)點是葉子節(jié)點，則求解判決函數公式⑴的最優(yōu)解，求得的解即為 子樹根節(jié)點位置，而子樹內所有節(jié)點點集的并集，即為局部凸出對象的區(qū)域；
[0088] 式中，設定M = 2, F (Ni)為節(jié)點隊的點集區(qū)域的長寬比和面積，α。、a JP β。、β 1 分別為〇.40、0. 24,公式（1)的最大值Imax即為節(jié)點N ^的根節(jié)點位置。
[0089] 本實驗進行仿真實驗，實驗結果如圖8和圖9所示，用以說明本發(fā)明的實用性和算 法的準確性。該仿真實驗是在InterlXeonCPUX5690@3. 47GHz3. 46GHz (2處理器）、內存24GB 的PC測試平臺上C/C++編程實現(xiàn)，在不使用任何多線程技術的前提下，處理速度可以達到 200fps。其中圖8(a)和圖9(a)是原始圖像，圖8(b)和圖9(b)是凸出對象，圖8(c)和圖 9(c)是提取的對象區(qū)域輪廓。
【主權項】
1. 一種深度圖像中基于多叉樹的局部凸出對象提取方法，其特征在于，包括以下步 驟： (1) 對輸入深度圖像進行逐像素鄰域差分，建立基于多叉樹數據結構的深度樹模型以 及深度樹節(jié)點與圖像像素的映射圖； (2) 對深度樹的葉子節(jié)點進行局部優(yōu)化，去除噪聲； (3) 遍歷深度樹的葉子節(jié)點得到深度圖像的局部極值區(qū)域，利用判決函數確定葉子節(jié) 點的子樹根節(jié)點位置，從而提取出局部凸出對象區(qū)域。2. 根據權利要求1所述的深度圖像中基于多叉樹的局部凸出對象提取方法，其特征在 于，所述步驟（1)具體包括以下子步驟： (11) 創(chuàng)建并初始化深度樹根節(jié)點和映射圖，根節(jié)點的深度值設為最小值，將該節(jié)點位 置保存到映射圖中； (12) 對輸入深度圖像進行逐像素鄰域差分，判斷當前像素深度值是否是鄰域內極值 占. (13) 如果當前像素是極值點，則創(chuàng)建新的節(jié)點； (14) 如果當前像素不是極值點，則插入鄰域內某一像素的節(jié)點中； (15) 將該節(jié)點位置保存在映射圖中，并重復步驟（12)。3. 根據權利要求2所述的深度圖像中基于多叉樹的局部凸出對象提取方法，其特征在 于，所述步驟（12)中對輸入深度圖像進行逐像素鄰域差分時，若該像素是深度圖像原點且 深度值為最小值，則直接存儲入根節(jié)點，并執(zhí)行步驟（15)，否則判斷為鄰域內極值點；若該 像素是深度圖像的上邊緣點，則與左像素點差分，判斷是否是鄰域內極值點；若該像素是深 度圖像的左邊緣點，則與上像素點差分，判斷是否是鄰域內極值點；若該像素是深度圖像的 其他點，則分別與上像素點和左像素點差分，判斷是否是鄰域內極值點。4. 根據權利要求2所述的深度圖像中基于多叉樹的局部凸出對象提取方法，其特征在 于，所述步驟（13)包括以下子步驟： 對鄰域內其他兩像素點所在子樹進行合并； 將鄰域內深度值較大的像素所在節(jié)點確認為待插入節(jié)點的父節(jié)點，創(chuàng)建新葉子節(jié)點， 調整父節(jié)點、兄弟節(jié)點和孩子節(jié)點，并保存像素位置值，返回該節(jié)點位置。5. 根據權利要求2所述的深度圖像中基于多叉樹的局部凸出對象提取方法，其特征在 于，所述步驟（14)包括以下子步驟： 對鄰域內其他兩像素點所在子樹進行合并； 若該像素深度值與鄰域內某一像素深度值相同，則將該像素的節(jié)點確認為待插入節(jié) 點，保存像素位置值，返回該節(jié)點位置； 若該像素深度值與鄰域內某一像素的父輩節(jié)點深度值相等，則將該父節(jié)點確認為待插 入節(jié)點，保存像素位置值，返回該節(jié)點位置； 若該像素深度值介于鄰域內某一像素的父輩節(jié)點及其子節(jié)點之間，則將該父節(jié)點確認 為待插入節(jié)點的父節(jié)點，創(chuàng)建新子節(jié)點，調整父節(jié)點、兄弟節(jié)點和孩子節(jié)點，并保存像素位 置值，返回該節(jié)點位置。6. 根據權利要求4或5所述的深度圖像中基于多叉樹的局部凸出對象提取方法，其特 征在于，所述對鄰域內其他兩像素點所在子樹進行合并的步驟具體包括： 若兩像素點所在節(jié)點是同一節(jié)點，則合并完成； 若兩像素點所在節(jié)點不是同一節(jié)點但兩像素深度值相同，則合并兩像素所在節(jié)點的點 集，調整兩像素所在節(jié)點的父節(jié)點、兄弟節(jié)點和子節(jié)點，調整映射圖，刪除廢棄節(jié)點，則合并 完成； 若兩像素點所在節(jié)點不是同一節(jié)點且兩像素深度值不同，且深度值較大節(jié)點的父節(jié)點 的深度值仍大于或等于另一深度值較小節(jié)點，則對深度值較大節(jié)點的父輩節(jié)點及較小節(jié)點 執(zhí)行合并步驟； 若兩像素點所在節(jié)點不是同一節(jié)點且兩像素深度值不同，且深度值較大節(jié)點的父節(jié)點 的深度值小于另一深度值較小節(jié)點，則調整兩節(jié)點的父節(jié)點、兄弟節(jié)點和孩子節(jié)點，則合并 完成。7. 根據權利要求1所述的深度圖像中基于多叉樹的局部凸出對象提取方法，其特征在 于，所述步驟（2)具體包括以下子步驟： (21) 遍歷深度樹； (22) 若當前節(jié)點不是葉子節(jié)點，則繼續(xù)遍歷； (23) 若當前節(jié)點是葉子節(jié)點，則計算點集數，求得該節(jié)點面積，判斷是否小于閾值； (24) 若當前節(jié)點面積大于等于閾值，則繼續(xù)遍歷； (25) 若當前節(jié)點面積小于閾值，則將該葉子節(jié)點的點集合并入父節(jié)點中，并調整父節(jié) 點、兄弟節(jié)點，調整映射圖，刪除該節(jié)點，繼續(xù)遍歷，從而完成對深度樹的葉子節(jié)點的局部優(yōu) 化去除噪聲。8. 根據權利要求1所述的深度圖像中基于多叉樹的局部凸出對象提取方法，其特征在 于，所述步驟（3)具體包括以下子步驟： (31) 遍歷深度樹； (32) 若當前節(jié)點不是葉子節(jié)點，則繼續(xù)遍歷； (33) 若當前節(jié)點是葉子節(jié)點，則求解判決函數的最優(yōu)解，求得的解即為子樹根 節(jié)點位置，而子樹內所有節(jié)點點集的并集，即為局部凸出對象的區(qū)域；判決函數為：式中，M是松弛因子，隊是子樹根節(jié)點， N。是葉子節(jié)點，F(xiàn)(Ni)是對節(jié)點隊的點集區(qū)域提取特征，仏是節(jié)點隊的深度值，a肩0 , 為權重參數，判決函數的最大值即為節(jié)點隊的根節(jié)點位置。
【專利摘要】本發(fā)明涉及一種深度圖像中基于多叉樹的局部凸出對象提取方法，包括以下步驟：對輸入深度圖像進行逐像素鄰域差分，建立基于多叉樹數據結構的深度樹模型以及深度樹節(jié)點與圖像像素的映射圖；對深度樹的葉子節(jié)點進行局部優(yōu)化，去除噪聲；遍歷深度樹的葉子節(jié)點得到深度圖像的局部極值區(qū)域，利用判決函數確定葉子節(jié)點的子樹根節(jié)點位置，從而提取出局部凸出對象區(qū)域。本發(fā)明能夠快速、準確的提取出多個凸出對象區(qū)域，提升深度圖像中凸出物體檢測的準確度。
【IPC分類】G06T7/00
【公開號】CN104915952
【申請?zhí)枴緾N201510249956
【發(fā)明人】曲磊, 谷宇章, 鄭春雷, 崔振珍, 張 誠, 占云龍, 皮家甜, 杜若琪
【申請人】中國科學院上海微系統(tǒng)與信息技術研究所
【公開日】2015年9月16日
【申請日】2015年5月15日