کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6865555 679059 2015 17 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Shape completion for depth image via repeated objects registration
ترجمه فارسی عنوان
تکمیل فرم برای تصویر عمقی از طریق ثبت مکرر اشیاء
کلمات کلیدی
عمق تصویر تشخیص اشیاء تکراری، تصویر در رنگ آمیزی، ثبت نام غیر سفت و سخت، تکمیل فرم،
ترجمه چکیده
با پیشرفت های اخیر سنسورهای کم هزینه، تحقیقات در حال افزایش است که بر روی برنامه های کاربردی با استفاده از چنین دستگاه هایی تمرکز می کنند. یک مسئله مهم درگیر پردازش تصاویر با کیفیت پایین کیفیت است. این مقاله یک روش مبتنی بر مثال برای پر کردن حفره ها در تصاویر عمقی ارائه می دهد. این روش با استفاده از اطلاعات هندسی بیش از حد موجود در موارد مکرر برخی از اشیاء مشابه، به طوری که به طور مشترک از این اشیاء ناقص را پر می کند. ابتدا یک تقسیم بندی شیء با کمک کاربر را برای انتخاب اشیاء مورد نظر به شما معرفی می کنیم. پس از آن، روش روش تشخیص صحیح را برای تشخیص وقایع اشیاء انتخاب شده مورد استفاده قرار می دهد. با توجه به این موارد شیء شناسایی شده، ما هر شیء را با استفاده از داده های محدوده تشخیص جزئی در یک روش ثبت نام کامل می کنیم. در نهایت، اشیاء تکمیل شده به تصویر اصلی عمود بر می گردند، بنابراین سوراخ ها را پر می کنند. ما اثربخشی روش پیشنهاد شده و الگوریتم های آن را با آزمایش های روی چندین صحنه واقعی نشان می دهیم که شامل اشیاء تکراری از یک الگوی یا الگوهای چندگانه می باشد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
With the recent advances of low-cost depth sensors, there are increasing researches which focus on applications using such devices. A critical issue involved is the processing of the low-quality depth images. This paper presents an example-based method for filling the holes in the depth images. The method utilizes the redundant geometrical information contained in the repeated occurrences of some similar objects, so as to mutually infill these incomplete objects. We first introduce a user-assisted object segmentation to select the objects of interest. Subsequently, the method employs an object recognition procedure to detect the occurrences of the selected objects. Given these detected object instances, we complete each object using the detected partial range data in a registration way. Finally, the completed objects are synthesized back to the original depth image, thus to infill the holes. We demonstrate the effectiveness of the proposed method and the therein algorithms by experiments on several real scenes, which contains repeated objects either of one pattern or multiple patterns.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Neurocomputing - Volume 169, 2 December 2015, Pages 144-149
نویسندگان
, , , , , ,