基于主成分分析方向深度梯度直方图的立体视觉深度图特征提取

• 作者: 杨丽芳 段峰峰 潘淑静 王永滨
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 特征提取 立体视觉 深度图 滑动窗口 降维
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 虚拟现实与数字媒体
• 页码范围: 222-226
• 页数: 5页
• 分类号: TP391.413
• 字数: 5278字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2016.01.0222

摘要

针对立体视觉深度图特征提取精确度低、复杂度高的问题,提出了一种基于主成分分析方向深度梯度直方图(PCA-HODG)的特征提取算法.首先,对双目立体视觉图像进行视差计算和深度图提取,获取高质量深度图;然后,基于预设大小窗口对所获取的深度图进行边缘检测和梯度计算,获得区域形状直方图特征并量化;同时运用主成分分析(PCA)进行降维;最后,为实现特征获取的精确性和完整性,采用滑动窗口检测方法实现整幅深度图的特征提取,并再次降维.在特征匹配分类实验中,对于Street测试序列帧,该算法比距离样本深度特征(RSDF)算法平均分类准确率提高了1.15％,而对于Tanks、Tunnel、Temple测试序列帧,该算法比测度不变特征(GIF)算法平均分类准确率分别提高了0.69％、1.95％、0.49％;同时与方向深度直方图(HOD)、RSDF、GIF算法相比,平均运行时间分别降低了71.65％、78.05％、80.06％.实验结果表明,该算法不仅能够更精确地检测和提取深度图特征,而且通过降低维数复杂度大大减少了运行时间;同时算法具有较好的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王永滨	中国传媒大学计算机学院	54	361	8.0	18.0
2	段峰峰	中国传媒大学计算机学院	27	58	3.0	7.0
4	杨丽芳	中国传媒大学计算机学院	6	32	3.0	5.0
7	潘淑静	中国传媒大学计算机学院	2	26	2.0	2.0