Kinect深度圖像快速修復(fù)算法

王 奎， 安 平，2， 張兆楊，2， 程 浩， 李賀建

(1．上海大學(xué)通信與信息工程學(xué)院，上海200072;2．新型顯示技術(shù)及應(yīng)用集成教育部重點(diǎn)實(shí)驗(yàn)室，上海200072)

Kinect深度圖像快速修復(fù)算法

王 奎1， 安 平1，2， 張兆楊1，2， 程 浩1， 李賀建1

(1．上海大學(xué)通信與信息工程學(xué)院，上海200072;2．新型顯示技術(shù)及應(yīng)用集成教育部重點(diǎn)實(shí)驗(yàn)室，上海200072)

深度提取是基于“紋理+深度”自由立體視頻系統(tǒng)的關(guān)鍵技術(shù)，而立體視頻實(shí)際應(yīng)用系統(tǒng)需要高效快速的深度圖提?。岢鲆环N針對(duì)Kinect提取深度圖的快速修復(fù)算法．首先，對(duì)Kinect提取的彩色紋理圖和深度圖進(jìn)行對(duì)齊裁剪，并采用背景填充算法對(duì)裁剪后的深度圖進(jìn)行初步修復(fù);然后，對(duì)初步修復(fù)后的深度圖進(jìn)行基于顏色匹配的快速修復(fù)，得到質(zhì)量較好的可用深度圖．實(shí)驗(yàn)結(jié)果表明，本算法能有效修復(fù)原始深度圖中由于遮擋而引起的空洞，獲取的深度圖整體平滑度好、邊緣清晰;在普通PC機(jī)上達(dá)到25～30幀/s的處理幀率，實(shí)現(xiàn)了深度圖的實(shí)時(shí)提?。?/p>

深度圖修復(fù);實(shí)時(shí)獲取;顏色匹配;Kinect;立體視頻

Abstract:Depth extraction is a key step in 3D video system based on texture plus depth．Real application systems require high efficiency and fast depth extraction．This paper presents a fast inpainting algorithm for Kinect depth map．This paper clips and aligns the origin color and depth images captured by Kinect，and partially fill holes in the clipped depth image using a background based method．Then this paper uses a fast inpainting algorithm based on color match to fill the remaining holes in the depth image to obtain a better depth image．Experimental results show that the proposed algorithm can efficiently repair errors in the original depth map such as holes caused by occlusion．Finally we obtain a smooth depth map with clear edges．The processing speed can reach 25～30 frame/s by using an ordinary desktop computer to realize real-time depth map extraction．

Key words:depth map inpainting;real-time capture;color match;Kinect;stereo video

隨著立體顯示技術(shù)和視頻處理技術(shù)的發(fā)展，3D視頻技術(shù)成為近年來(lái)的研究熱點(diǎn)［1］．3D視頻技術(shù)研究首先要解決3D信息的表示問(wèn)題，即采用何種方式來(lái)描述3D場(chǎng)景．目前主要有兩種方案:一種是采用多視方案，用攝像機(jī)陣列拍攝3D場(chǎng)景，在立體顯示器上顯示出來(lái);另一種是“紋理+深度”的方案［1］，用彩色紋理圖描述3D場(chǎng)景的紋理信息，用深度圖描述3D場(chǎng)景的深度信息，在終端采用基于深度圖的繪制(depth image based rendering，DIBR)技術(shù)繪制虛擬視點(diǎn)，將虛擬視點(diǎn)在立體顯示器上顯示出來(lái)．第一種方案由于拍攝的視點(diǎn)數(shù)較多，數(shù)據(jù)的編碼、存儲(chǔ)以及傳輸成為技術(shù)瓶頸．第二種方案由于有了場(chǎng)景的深度信息，在拍攝過(guò)程中只需要捕獲很少的視點(diǎn)，因此數(shù)據(jù)量相對(duì)第一種方案少了很多，便于數(shù)據(jù)的編碼存儲(chǔ)和傳輸;并且在顯示端可以利用DIBR技術(shù)進(jìn)行一定范圍內(nèi)的任意視點(diǎn)繪制［2］，從而產(chǎn)生更好的視覺(jué)效果．基于“紋理+深度”3D信息描述的多視點(diǎn)+深度(multi-video+depth，MVD)系統(tǒng)以其傳輸帶寬小、易于虛擬視點(diǎn)繪制等優(yōu)點(diǎn)而被認(rèn)為是一種有應(yīng)用前途的3D視頻方案［2］，已成為當(dāng)前的研究熱點(diǎn)．

但是基于“紋理+深度”的立體視頻系統(tǒng)中，3D場(chǎng)景深度信息的獲取是十分困難的．目前對(duì)深度信息的獲取主要有兩種方法［3］:①采用立體匹配算法被動(dòng)獲取深度信息，一般利用雙目相機(jī)拍攝3D場(chǎng)景信息，用立體匹配算法提取場(chǎng)景中物體的視差，再根據(jù)相機(jī)參數(shù)計(jì)算出深度信息．這種方案中的算法實(shí)現(xiàn)復(fù)雜度高，很難做到深度實(shí)時(shí)提取，同時(shí)這種方法受輸入場(chǎng)景以及遮擋問(wèn)題影響非常大;②采用測(cè)距設(shè)備主動(dòng)獲取場(chǎng)景的深度信息，即使用深度相機(jī)直接獲取深度信息．深度相機(jī)目前分為兩類，一類是TOF(time of flight)相機(jī)，另一類是Kinect，它們都是通過(guò)發(fā)射和接收反射光來(lái)計(jì)算深度信息以實(shí)現(xiàn)深度信息的實(shí)時(shí)提?。沁@種深度提取設(shè)備價(jià)格昂貴，且獲取的深度圖分辨率低，給實(shí)際應(yīng)用帶來(lái)困難．

TOF相機(jī)的優(yōu)點(diǎn)是其發(fā)射和接收的傳感器較密集，輸出深度圖質(zhì)量較好．但深度圖中的空洞或者深度錯(cuò)誤會(huì)對(duì)虛擬視點(diǎn)繪制質(zhì)量帶來(lái)較大的影響，這些錯(cuò)誤通常發(fā)生在遮擋區(qū)域，即深度圖不連續(xù)的地方．文獻(xiàn)［4］提出了使用高斯濾波來(lái)平滑深度圖，隨后一些文獻(xiàn)也給出了對(duì)高斯濾波的改進(jìn)算法，如文獻(xiàn)［5］提出了一種非對(duì)稱高斯濾波算法．這些算法都只利用了空域信息(即單幀圖像局部區(qū)域)，對(duì)深度圖的修復(fù)效果有限．文獻(xiàn)［6］針對(duì)TOF相機(jī)深度圖空域跳動(dòng)的問(wèn)題，提出了一種利用時(shí)域和空域信息來(lái)減少其跳變的方法．文獻(xiàn)［7］則提出了一種結(jié)合立體相機(jī)紋理數(shù)據(jù)的深度圖分辨率提升算法，通過(guò)結(jié)合深度圖對(duì)應(yīng)的紋理圖來(lái)提升深度圖的質(zhì)量．然而，TOF相機(jī)存在獲取深度圖分辨率低、價(jià)格昂貴等缺點(diǎn)．

Kinect是微軟研發(fā)的一種可以獲取場(chǎng)景深度的設(shè)備，主要應(yīng)用在人機(jī)交互(如Xbox游戲機(jī))、3D場(chǎng)景重建、機(jī)器視覺(jué)等領(lǐng)域［8］．Kinect可以同時(shí)采集場(chǎng)景紋理和深度，相對(duì)于TOF深度提取設(shè)備，Kinect價(jià)格便宜，可以提取較高分辨率的深度圖．但是Kinect提取的深度圖質(zhì)量較差，在遮擋區(qū)域、光滑物體表面存在較大的深度信息缺失空洞，必須進(jìn)行填充修復(fù)處理．

1 算法框架

在三維場(chǎng)景中，由于背景被前景遮擋或者前景的個(gè)別部分距Kinect過(guò)近使該部分不在紅外光場(chǎng)之內(nèi)等因素，部分Kinect發(fā)射的紅外光無(wú)法反射回來(lái)而產(chǎn)生背景或者前景空洞，顯然，當(dāng)前景距相機(jī)比較近時(shí)產(chǎn)生的空洞問(wèn)題更嚴(yán)重．這些空洞可以采用圖像修復(fù)算法進(jìn)行修復(fù)，但是對(duì)于大空洞，如果單純依靠空域圖像修復(fù)，不僅修復(fù)非常耗時(shí)，而且修復(fù)效果也不好．由于Kinect出現(xiàn)的空洞大部分是場(chǎng)景中的背景部分，因此可以利用場(chǎng)景中的背景對(duì)空洞進(jìn)行初步修復(fù)，然后再結(jié)合彩色紋理信息對(duì)局部小空洞進(jìn)行二次修復(fù)．

基于上述考慮，本研究的算法的主要步驟如下:

(1)對(duì)Kinect輸出的深度圖和紋理圖進(jìn)行對(duì)齊裁剪;

(2)利用幀差法結(jié)合原始深度圖估計(jì)背景，并對(duì)背景深度圖采用結(jié)合紋理顏色信息的方法進(jìn)行修復(fù);

(3)用背景填充算法對(duì)原始深度圖進(jìn)行初步修復(fù);

(4)結(jié)合紋理顏色信息對(duì)深度圖進(jìn)行二次修復(fù);

(5)對(duì)修復(fù)的空洞區(qū)域采用中值濾波去除噪聲．

研究顯示，侵犯行為與員工的情緒狀態(tài)有密切關(guān)系，許多負(fù)性情緒會(huì)導(dǎo)致侵犯行為，這些負(fù)性情緒包括：憤怒、苦惱、悲傷、緊張等。Hepworth[11]等(2004)研究顯示，在員工的憤怒情緒狀態(tài)和工作場(chǎng)所侵犯行為之間具有較強(qiáng)的一致性，憤怒情緒狀態(tài)是員工的侵犯行為的主要原因之一。對(duì)于為什么憤怒情緒會(huì)導(dǎo)致員工的侵犯行為，研究者認(rèn)為原因在于個(gè)體情緒對(duì)其理智和行為具有極大的影響力量，研究也顯示憤怒情緒會(huì)使員工處于失控狀態(tài)，變得缺乏自知力，也喪失自控力，因而在實(shí)施侵犯行為時(shí)變得無(wú)所顧忌。[12]

2 算法描述

2．1 紋理圖和深度圖的對(duì)齊裁剪

Kinect最大可輸出640×480分辨率的深度圖和紋理圖．如前所述，Kinect提取的深度圖質(zhì)量較差，在遮擋區(qū)域、光滑物體表面存在較大的深度信息缺失空洞;而且Kinect采集的原始深度圖與紋理圖雖然已作了匹配和對(duì)齊處理，但并不是完全對(duì)齊的，紋理圖相對(duì)于深度圖在大小上存在差異(見(jiàn)圖1(a)和圖1(b))．因此，本研究首先通過(guò)實(shí)驗(yàn)對(duì)采集的深度圖和紋理圖進(jìn)行裁剪處理，裁剪結(jié)果如圖1(c)和圖1(d)所示．

圖1 對(duì)齊裁剪處理結(jié)果Fig．1 Result after align and cut

2．2 背景紋理圖和深度圖的估計(jì)

將采集的第一幀深度圖和紋理圖作為初始的背景深度圖和紋理圖．對(duì)于深度圖背景的更新，可以直接使用深度圖幀差法進(jìn)行背景更新檢測(cè)，也可以用紋理圖幀差法進(jìn)行背景更新檢測(cè)．由于Kinect深度圖的穩(wěn)定性差、噪聲大，而幀差法［10］本身對(duì)噪聲非常敏感，因此本研究對(duì)紋理圖采用幀差法進(jìn)行背景更新檢測(cè)．

幀差法以視頻序列中相鄰兩幀之間基于像素的幀差來(lái)區(qū)分圖像中的運(yùn)動(dòng)部分和背景部分，即

式中，Dk(x，y)表示第 k幀的幀差圖，fk(x，y)和f(k－1)(x，y)分別表示第 k和第 k－1 幀中坐標(biāo)(x，y)處的像素值．

幀差圖中的噪聲和運(yùn)動(dòng)部分有明顯的差別，可以根據(jù)下式來(lái)濾除噪聲的干擾:

式中，Cthreshold是針對(duì)噪聲濾除設(shè)定的閾值(多次實(shí)驗(yàn)得出的經(jīng)驗(yàn)值為45)，dk(x，y)=1 表示(x，y)處背景需要更新，dk(x，y)=0表示(x，y)處背景不需要更新．

用幀差法得到變化區(qū)域(dk(x，y)=1)后，比較當(dāng)前幀深度與背景深度，如果當(dāng)前幀深度值小于背景深度值，就以當(dāng)前幀深度值更新背景深度值，否則不進(jìn)行更新．在更新深度值時(shí)，同時(shí)更新對(duì)應(yīng)位置的紋理圖，這樣就完成了深度圖和紋理圖背景的實(shí)時(shí)更新．

經(jīng)背景估計(jì)的初始幀會(huì)出現(xiàn)小范圍的空洞，此時(shí)采用下文所述的基于顏色匹配算法進(jìn)行修復(fù)．估計(jì)的背景紋理圖和深度圖結(jié)果如圖2所示．

圖2 更新后的背景圖Fig．2 Background image after update

2．3 基于背景填充的深度圖初步修復(fù)

得到背景紋理圖和背景深度圖后，下面對(duì)深度圖進(jìn)行初步修復(fù)，利用背景深度值去填充當(dāng)前幀中處于背景位置的空洞．首先，利用當(dāng)前幀的彩色紋理圖與背景紋理圖作幀差，檢測(cè)出背景與前景;然后，使用背景深度圖填充當(dāng)前幀深度圖中處于背景區(qū)域的空洞．

背景深度填充的表達(dá)式為

式中，dk(x，y)表示 Kinect提取的第 k幀深度圖，bk(x，y)表示第 k幀估計(jì)的背景深度，uk(x，y)表示根據(jù)幀差法檢測(cè)出背景更新區(qū)域和非更新區(qū)域，uk(x，y)=1 表示前景，否則表示背景．hk(x，y)=1表示第k幀深度圖的空洞區(qū)域，當(dāng)且僅當(dāng)(x，y)處深度為空洞，并且該處是背景區(qū)域時(shí)，才進(jìn)行深度背景填充．

圖3給出了初步修復(fù)的結(jié)果，圖3(a)是經(jīng)過(guò)裁剪對(duì)齊后的原始深度圖，圖3(b)是經(jīng)過(guò)初步修復(fù)后的深度圖，可見(jiàn)，原始深度圖中的大部分空洞已被修復(fù)．

圖3 初步修復(fù)結(jié)果Fig．3 Result after inpainting initially

2．4 基于紋理顏色匹配的深度圖二次修復(fù)及消噪處理

經(jīng)過(guò)背景深度填充算法修復(fù)后的深度圖空洞已經(jīng)大大減小，但是仍然存在前景空洞(如圖3(b)所示)．針對(duì)這種空洞，本研究采用基于搜索提前終止的顏色匹配搜索算法進(jìn)行修復(fù)．

基于顏色匹配的搜索算法根據(jù)空洞處紋理圖像的顏色，在紋理圖像中找出最佳顏色匹配點(diǎn)，然后將該處的深度值作為空洞處的深度值．為提高處理速度，本算法沒(méi)有采用基于塊的匹配，而是直接采用基于像素的顏色匹配，并且設(shè)定匹配閾值為6(即當(dāng)前待修復(fù)深度處對(duì)應(yīng)的彩色像素與非空洞區(qū)域的顏色像素進(jìn)行比較匹配)，以控制搜索長(zhǎng)度．這樣雖然匹配點(diǎn)不一定是最佳的，但實(shí)驗(yàn)表明，這樣做可大幅提高空洞修復(fù)速度，同時(shí)兼顧了修復(fù)質(zhì)量．

基于像素的快速修復(fù)算法在修復(fù)區(qū)域會(huì)出現(xiàn)修復(fù)噪聲，本研究采用中值濾波器對(duì)修復(fù)后的圖像進(jìn)行中值濾波以去除噪聲．但僅對(duì)修復(fù)區(qū)域作中值濾波處理，對(duì)于非修復(fù)區(qū)域不進(jìn)行中值濾波處理，這樣一方面提高了中值濾波速度，同時(shí)也最大限度地保持了原始正確的深度值．

圖4給出了二次修復(fù)后的深度圖以及進(jìn)一步經(jīng)過(guò)中值濾波后的深度圖．

圖4 二次修復(fù)及消噪處理結(jié)果Fig．4 Result after the secondary inpainting and denoising

3 實(shí)驗(yàn)結(jié)果

本研究對(duì)所提出的深度修復(fù)算法用C語(yǔ)言實(shí)現(xiàn)，并在普通PC機(jī)(Intel E4800 3．0 GHz雙核CPU，2 G內(nèi)存)上進(jìn)行了效果和修復(fù)速度測(cè)試，圖5給出了幾組經(jīng)過(guò)裁剪后的場(chǎng)景的初始紋理圖(見(jiàn)圖5(a))和初始深度圖(見(jiàn)圖5(b))以及最終修復(fù)的深度圖(見(jiàn)圖5(c))，由圖5(c)可見(jiàn)，空洞幾乎已全部修復(fù)．

圖5中場(chǎng)景從上到下分別記為場(chǎng)景1、場(chǎng)景2、場(chǎng)景3、場(chǎng)景4．這4個(gè)場(chǎng)景的處理耗時(shí)分別為24，32，26，34 ms，可見(jiàn)已達(dá)到 25 ～30 幀/s的實(shí)時(shí)修復(fù)要求．當(dāng)前景物體距離Kinect相對(duì)較遠(yuǎn)時(shí)，可以實(shí)現(xiàn)30幀/s左右的修復(fù)速度;當(dāng)前景物體距離Kinect較近時(shí)，Kinect輸出的原始深度圖存在非常大的空洞，可以實(shí)現(xiàn)25幀/s左右的修復(fù)速度．

圖5 多個(gè)場(chǎng)景的修復(fù)結(jié)果Fig．5 Inpainted result of a number of different scenarios

為了進(jìn)一步檢驗(yàn)本算法的修復(fù)效果，下面對(duì)修復(fù)后的深度圖以及對(duì)應(yīng)的紋理圖進(jìn)行虛擬視點(diǎn)繪制．繪制出左邊8路虛擬視點(diǎn)和右邊8路虛擬視點(diǎn)(相鄰視點(diǎn)間的視差為1 cm)，并進(jìn)行8路虛擬視點(diǎn)交織，在裸眼立體顯示器上觀看，可以觀看到較好的立體效果．

圖6給出了利用修復(fù)后的深度圖和紋理圖繪制出來(lái)的左邊4路和右邊4路虛擬視點(diǎn)．圖7給出了左邊8路虛擬視點(diǎn)合成的立體視．

圖7 虛擬視點(diǎn)交織得到的立體視Fig．7 Stereoscopic view by interlace

4 結(jié)束語(yǔ)

本研究提出一種針對(duì)Kinect提取的深度圖的快速修復(fù)算法，該算法主要利用了背景估計(jì)以及紋理圖的顏色等信息對(duì)Kinect輸出的帶有空洞的深度圖進(jìn)行修復(fù)．首先，根據(jù)Kinect輸出深度圖中空洞的特點(diǎn)，利用背景估計(jì)信息對(duì)深度圖中背景空洞進(jìn)行初步修復(fù);然后，結(jié)合紋理圖對(duì)深度圖進(jìn)行二次修復(fù)．實(shí)驗(yàn)結(jié)果表明，本算法有效修復(fù)了原始深度圖的空洞等問(wèn)題，同時(shí)在普通PC機(jī)上實(shí)現(xiàn)了25～30幀/s的修復(fù)速度．在以后的工作中，將致力于繼續(xù)提高深度圖的修復(fù)質(zhì)量并進(jìn)行多視繪制．

［1］ 張兆楊，安平，張之江，等．二維和三維視頻處理及立體顯示技術(shù)［M］．北京:科學(xué)出版社，2010:131-133．

［2］ DARIBO I，SAITO H．A novel inpainting-based layered depth video for 3DTV ［J］．IEEE Transactions on Broadcasting，2011:533-541．

［3］ UM G M，KIM T，BANG G．Multi-view 3D video acquisition using hybrid camera with beem spliter［C］∥3DTV Conference: The True Vision-Capture，Transmission and Display of 3D Video(3DTV-CON)．2011:1-4．

［4］ DARIBO I，TILLIER C，PESQUET-POPESCU B．Distance dependent depth flltering in 3D warping for 3DTV［C］∥Multimedia Signal Processing．2007:312-315．

［5］ CHEN W Y，CHANG Y L，LIN S F，et al．Efficient depth image based rendering with edge dependent depth fllter and interpolation［C］∥ IEEE International Conference on Multimedia and Expo．2005:1314-1317．

［6］ KIM S Y，CHO J H，KOSCHAN A，et al．Spatial and temporal enhancement of depth images captured by a time-of-flight depth sensor［C］∥ Pattern Recognition(ICPR)．2010:2358-2361．

［7］ ZHU JJ，WANG L，YANG R G，et al．Fusion of time-offlight depth and stereo for high accuracy depth maps［C］∥ Computer Vision and Pattern Recognition(CVPR2008)．2008:1-8．

［8］ WILSON A． Using a depth camera as a touch sensor［C］∥ ITS’10 ACM International Conference on Interactive Tabletops and Surfaces．2010:69-72．

［9］ MATYUNIN S，VATOLIN D，BERDNIKOV Y．Temporal filtering for depth maps generated by kinect depth camera［C］∥ The True Vision-Capture，Transmission and Display of 3D Video(3DTV-CON)．2001:1-4．

［10］ JI X P，WEI Z Q，F(xiàn)ENG Y W．Effective vehicle detection technique for traffic surveillance systems［J］．Visual Communication ＆ Image Representation，2005，17(3):647-658．

Fast Inpainting Algorithm for Kinect Depth Map

WANG Kui1， AN Ping1，2， ZHANG Zhao-yang1，2， CHENG Hao1， LI He-jian1
(1．School of Communication and Information Engineering，Shanghai University，Shanghai 200072，China;2．Key Laboratory of Advanced Display and System Applications，Ministry of Education，Shanghai 200072，China)

TP 391．41

A

1007-2861(2012)05-0454-05

10．3969/j．issn．1007-2861．2012．05．003

2011-11-18

國(guó)家自然科學(xué)基金資助項(xiàng)目(60832003，61172096，61171084);上海市科委重點(diǎn)資助項(xiàng)目(10510500500);上海市教委重點(diǎn)資助項(xiàng)目(09ZZ90)

安 平(1968～)，女，教授，博士生導(dǎo)師，博士，研究方向?yàn)閿?shù)字視頻處理及立體視覺(jué)．E-mail:anping@shu．edu．cn