【技术实现步骤摘要】
处理深度图像的方法和装置
本公开涉及3D图像处理领域,尤其涉及处理深度图像的方法和装置。
技术介绍
3D图像是非常热门的研究领域,例如3D面部识别等,已成为终端设备等进行身份识别的重要演进方向。由于器件灵敏度缺陷等问题,基于结构光的3D摄像头采集到的人脸图像等,在某些像素位置可能会出现高噪声,甚至出现深度值缺失。如图1所示。有鉴于此,急需对原始深度图像进行预处理的图像处理方案。
技术实现思路
为克服相关技术中存在的问题,本公开提供一种处理深度图像的方法,本公开还提出了相应的装置和计算机可读存储程序。根据本公开实施例的第一方面,提供一种处理深度图像的方法,包括从原始深度图像中像截取大小相同的多个矩形子图像;将所述多个矩形子图像划分至至少一个聚类,每个所述聚类包括至少一个所述矩形子图像;对聚类中所包括的各个矩形子图像构成的矩阵进行矩形稀疏矩阵分解,得到矩形子图像对应的低秩分量;基于矩形子图像对应的低秩分量合成处理后的深度图像。根据本公开实施例的第二方面,提供一种处理深度图像的装置,包括:截取模块,被配置为从原始深度图像中像截取大小相同的多个矩形子图像;聚类模块,被配置为将所述多个矩形子图像划分至至少一个聚类,每个所述聚类包括至少一个所述矩形子图像;矩阵分解模块,被配置为对聚类中所包括的各个矩形子图像构成的矩阵进行矩形稀疏矩阵分解,得到矩形子图像对应的低秩分量;合成模块,被配置为基于矩形子图像对应的低秩分量合成处理后的深度图像。根据本公开实施例的第三方面,提供一种处理深度图像的装置,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为执行如上所述 ...
【技术保护点】
一种处理深度图像的方法,其特征在于,所述方法包括:从原始深度图像中像截取大小相同的多个矩形子图像;将所述多个矩形子图像划分至至少一个聚类,每个所述聚类包括至少一个所述矩形子图像;对聚类中所包括的各个矩形子图像构成的矩阵进行矩形稀疏矩阵分解,得到矩形子图像对应的低秩分量;基于矩形子图像对应的低秩分量合成处理后的深度图像。
【技术特征摘要】
1.一种处理深度图像的方法,其特征在于,所述方法包括:从原始深度图像中像截取大小相同的多个矩形子图像;将所述多个矩形子图像划分至至少一个聚类,每个所述聚类包括至少一个所述矩形子图像;对聚类中所包括的各个矩形子图像构成的矩阵进行矩形稀疏矩阵分解,得到矩形子图像对应的低秩分量;基于矩形子图像对应的低秩分量合成处理后的深度图像。2.根据权利要求1所述的方法,其特征在于,所述从原始深度图像中截取大小相同的多个矩形子图像,包括:随机或伪随机地从所述原始深度图像中截取大小相同的多个矩形子图像。3.根据权利要求1所述的方法,其特征在于,将所述多个矩形子图像划分至至少一个聚类之前,所述方法还包括:对矩形子图像中的各个元素进行归一化。4.根据权利要求3所述的方法,其特征在于,所述对矩形子图像中的各个元素进行归一化,包括:将矩形子图像中的各个元素减去同一直流值,所述直流值是相应矩形子图像中各个元素的最小值、最大值或平均值。5.根据权利要求1所述的方法,其特征在于,所述对聚类中所包括的各个矩形子图像构成的矩阵进行矩形稀疏矩阵分解,得到矩形子图像对应的低秩分量,包括:设聚类中包括n个矩形子图像,依次表示为Ii,i=1,2,…n;将所述n个矩形子图像向量化,依次得到向量vec(Ii),i=1,2,…n;得到矩阵D=[vec(I0),vec(I1),…,vec(In)];基于下式将矩阵D分解为低秩矩阵L和稀疏矩阵S:D=L+S,其中,rank(L)表示矩阵L的秩,card(S)表示矩阵S中不为0的元素的个数,λ为调整系数;设矩阵L=[l1,l2,…,ln],则确定矩形子图像Ii对应的低秩分量为对向量li矩阵化后得到的矩阵,i=1,2,…n。6.根据权利要求1所述的方法,其特征在于,所述对聚类中所包括的各个矩形子图像构成的矩阵进行矩形稀疏矩阵分解,得到矩形子图像对应的低秩分量,包括:在聚类中所包括的矩形子图像的数量大于阈值的情况下,对该聚类中所包括的各个矩形子图像构成的矩阵进行低秩稀疏矩阵分解,得到矩形子图像对应的低秩分量;在聚类中所包括的矩形子图像的数量小于阈值的情况下,不针对该聚类执行低秩系数矩阵分解。7.根据权利要求1所述的方法,其特征在于,所述基于矩形子图像对应的低秩分量合成处理后的深度图像,包括:将所述多个矩形子图像中具有对应的低秩分量的矩形子图像替换为对应的低秩分量;合成替换后的所述多个矩形子图像,以得到所述处理后的深度图像。8.一种处理深度图像的装置,其特征在于,所述装置包括:截取模块,被配置为从原始深度图像中像截取大小相同的多个矩形子图像;聚类模块,被配置为将所...
【专利技术属性】
技术研发人员:万韶华,
申请(专利权)人:北京小米移动软件有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。