题目：深度图像特征提取方法研究

利用深度传感器获取到的深度数据在3D模型重建、机器人自主导航、逆向工程、数字古建、文物保存等多个三维视觉领域具有广阔的应用前景。近年来，随着三维数据获取技术的发展及成本的降低，这方面吸引了越来越多的研究兴趣。然而，由于真实物体的高度复杂性，使得提取我们所需要的精确几何特征依然存在着许多的问题和挑战。其中之一便是深度图像的分割。为了处理大量的深度图像数据，算法应该满足准确性和快速性两个要求。本文就针对真实物体的复杂性，仔细研究包括深度图像分割在内的深度图像处理的一系列问题。由于传感器标定坐标系的限制，获取的三维数据只是离散的数据点云，这对于深度图像处理是个很大的难题。本文结合双目视觉三维测量系统，提出了一种由离散的三维数据点云到深度图像数据的转换的新方法。使z方向代表深度，并实现x、y方向数据的规则网格采样，这是后面深度图像处理的基础。这种方法也适用于单目结构光传感器。本文实现了扫描线迭代法等三种有代表性的检测算法在深度图像边缘检测中的应用，并对各种算法性能进行了分析和评估。经过大量实验证明，扫描线迭代法可以较好的平衡边缘定位精度和抗噪声性能的矛盾，算法对于任意形状物体都能很好检测出来，具有很强的适应性和实用性。只是基于边缘提取是无法完成深度图像分割的，所得的信息量还不够。因此本文提出了一种深度图像边缘和区域相结合的算法，已得到的边缘图和三维数据作为输入，采用区域标记算法对图像进行标记得到初始分割结果，对图像区域进行形态学处理以封闭边缘，采用主成分分析法(PCA)通过计算欧氏距离得到面的法线方向和方向间的夹角等特征,对种子区域按就近原则进行区域扩张。最终得到完整的深度图像分割结果，整个算法是自动实现的。经过两类传感器采集到的大量图像实验证明，该算法具有良好的抗噪声性能，满足并行在线测量的要求。