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

来源：计算机应用杂志2016年第1期北京时间：

作者：段峰峰, 王永滨, 杨丽芳, 潘淑静

单位：1. 中国传媒大学 计算机学院, 北京 100024;2. 湖南师范大学 湖南文化资源开发研究中心, 长沙 410081

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。

关键词：特征提取,立体视觉,深度图,滑动窗口,降维

基金资助：国家科技支撑计划资助项目(2012BAH37F02);文化部科技创新项目(2014KJCXXM08)。