The invention discloses an optimization method of RGB image semantic segmentation based on depth density, which belongs to the field of computer image processing. It includes the following steps: calculating the average depth of the pixels in the n * N range centered on (x, y) pixels in RGBD images. y:
【技术实现步骤摘要】
一种基于深度密度的RGBD图像语义分割优化方法
本专利技术涉及计算机图像处理领域，特别涉及一种基于深度密度的RGBD图像语义分割优化方法。
技术介绍
RGBD是一种图像类型的，其实质是RGB+Depth，即在采集图像的过程中，会同时获取目标的深度信息(从目标表面到镜头的直线距离)，本专利中的RGBD图像时利用ToF(TimeofFly)技术来获取的，这类技术的特点是成像快，精度高，可以做到实时采集两类图像。缺点是深度图像的分辨率也比较低。深度卷积网络是深度学习领域的一个关键技术点，其基础是多层神经网络，区别是将原来神经网络的全连接转变为卷积操作，这样会提高网络前向和反向传播的效率，这样就可以在原有计算资源的基础上，通过增加网络的深度来实现更多数据特征的提取。全卷积网络是深度卷积网络的一种，一般是在分类网络的基础上进行改变行成的，其特点是整个网络中没有全连接层，从输入到输出都是卷积操作，这样的网络与原有的分类网络相比，具有更快的处理速度，而且参数更少。其用途一般是用于像素级的语义分割，其理论实质是对图像中所有的像素点进行分类。上采样操作是逆向卷积操作的一种说法，其实...
【技术保护点】
1.一种基于深度密度的RGBD图像语义分割优化方法，其特征在于，包括如下步骤：计算RGBD图像中以(x，y)像素点为中心的n×n范围内像素点的平均深度μx，y：
【技术特征摘要】
1.一种基于深度密度的RGBD图像语义分割优化方法，其特征在于，包括如下步骤：计算RGBD图像中以(x，y)像素点为中心的n×n范围内像素点的平均深度μx，y：其中，dx，y为图像上(x，y)点的深度值，图像尺寸为h×w；计算RGBD图像中以(x，y)点为中心的，n×n范围内与(x，y)点的像素的深度方差σx，y：计算RGBD图像中以(x，y)点为中心的，n×n范围内与平均深度μx，y的深度方差将图像加入图像填充区域(padding)，且深度值为0，使图像尺寸变为(h+(n-1)/2，w+(n-1)/2)，得到待分割图像；对待分割图像进行处理：或其中，gaus(x，μ，σ)的为高斯分布函数，denm(x，y)为将平均深度μx，y作为概率密度函数的...
【专利技术属性】
技术研发人员：邓寒冰，许童羽，周云成，徐静，
申请(专利权)人：沈阳农业大学，
类型：发明
国别省市：辽宁,21
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。