一种深度图像文件筛选方法及系统技术方案

本发明专利技术公开了一种深度图像文件筛选方法及系统，将当前实时采集到的深度图像文件分割为多个子图像，并提取子图像的图像特征进行异常点估计，从而筛选出合格的深度图像文件进行存储，能够快速有效的筛选出异常点较少的深度图像进行保存，节省了存储空间和提高了深度图像采集设备的采集效果和采集效率，提高了采集到的深度图像的精度，有效提高了从深度图像中得到准确的颜色信息和深度信息进而复原出物体或场景的三维模型的还原度。

A method and system of deep image file filtering

The invention discloses a deep image file screening method and system, which divides the currently real-time collected deep image file into multiple sub images, extracts image features of sub images and estimates outliers, so as to screen out qualified deep image files for storage, quickly and effectively screen out the deep image with fewer outliers for storage, and saves storage space And improve the acquisition effect and efficiency of the depth image acquisition equipment, improve the accuracy of the collected depth image, effectively improve the accuracy of color information and depth information from the depth image, and then restore the 3D model of the object or scene.

【技术实现步骤摘要】
一种深度图像文件筛选方法及系统
本公开涉及文件存储、图像处理
，具体涉及一种深度图像文件筛选方法及系统。
技术介绍
深度图像也称为距离影像，是指将从图像采集器到场景中各点的距离(深度)作为像素值的图像，它直接反映了景物可见表面的几何形状，在传统深度图像采集的过程中，现有的双目深度相机采集的深度图像包括了深度信息、三维场景信息具有空间立体信息，图像所需要的存储空间很大，在深度图像的采集中可能会由于设备的抖动造成影像不稳定，进而导致最终获取到的深度信息不准确，使得此类深度图像的精度较低，基本上不能从图像中得到准确的颜色信息和深度信息，进而复原出物体或场景的三维模型。因此有一部分的深度图像的保存价值比较低，严重浪费了存储空间和采集效果，因此，现有的深度图像采集的采集效率、图像效果和采集的精度完全不能令人满意。
技术实现思路
为解决上述问题，本公开提供一种深度图像文件筛选方法及系统的技术方案，将当前实时采集到的深度图像文件分割为多个子图像，并提取子图像的图像特征进行异常点估计，从而筛选出合格的深度图像文件进行存储。为了本文档来自技高网...

【技术保护点】
1.一种深度图像文件筛选方法，其特征在于，所述方法包括以下步骤：/nS100,将深度图像记为第一图像；/nS200,通过分水岭算法将第一图像分割为多个子图像；/nS300,提取各子图像轮廓的图像特征；/nS400,根据图像特征进行异常点估计；/nS500,当第一图像中异常点的数量大于异常阈值时舍弃第一图像；/nS600,当第一图像中异常点的数量小于或等于异常阈值时保存第一图像。/n

【技术特征摘要】
1.一种深度图像文件筛选方法，其特征在于，所述方法包括以下步骤：
S100,将深度图像记为第一图像；
S200,通过分水岭算法将第一图像分割为多个子图像；
S300,提取各子图像轮廓的图像特征；
S400,根据图像特征进行异常点估计；
S500,当第一图像中异常点的数量大于异常阈值时舍弃第一图像；
S600,当第一图像中异常点的数量小于或等于异常阈值时保存第一图像。


2.根据权利要求1所述的一种深度图像文件筛选方法，其特征在于，在S100中，所述深度图像为通过激光雷达深度成像法、计算机立体视觉成像、坐标测量机法、莫尔条纹法、结构光法中任意一种方法相对于地平线俯角为30°所拍摄采集图像。


3.根据权利要求2所述的一种深度图像文件筛选方法，其特征在于，在S300中，提取各子图像轮廓的图像特征的方法为：
提取各子图像轮廓的方法为通过Canny算子、Sobel算子、Perwit算子中任意一种算子检测图像边缘的轮廓；
所述图像特征为：
Feature＝{Gri,Hi,Ai,Pi,Nli,Vli}(1)
式中，Gri表示子图像Σi的灰度均值，Hi＝{hi,si}表示子图像Σi中出现次数最多的H，S分量值，H，S分量为子图像的HSV颜色空间的H，S分量；Ai为子图像内像素总数；Pi表示轮廓Contouri的重心点位置，Nli记录了子图像的轮廓拆解后的轮廓线中的直线，Vli为子图像的轮廓拆解后的轮廓线中的垂线；
Nli和Vli的计算方法如下：
首先以子图像边缘图像的轮廓线上的边缘点Pj(xij,yij),(H<j≤m-H)为中心，构造大小为L的滑动窗口Slop对轮廓Contouri进行局部方向编码，默认设置L＝80像素，m为轮廓线的像素总数，轮廓线由边缘点组成；
局部方向编码的方法为：设Slop所截的轮廓线线段两侧的端点坐标分别为(xi1,yi1),(xi2,yi2)，则边缘点Pj的局部方向θ为：



其中，直线比率因子s＝D/L，D表示端点(xi1,yi1),(xi2,yi2)间的直线距离，L为滑动窗口所截得的...

【专利技术属性】
技术研发人员：卢仕辉，
申请(专利权)人：中山市奥珀金属制品有限公司，
类型：发明
国别省市：广东;44