基于集成学习思想的深度图像遮挡边界检测方法

摘要：

针对现有深度图像遮挡检测方法不能有效地检测出深度信息变化不明显的遮挡边界点的状况，提出了8邻域总深度差特征和最大面积特征，并定义了计算方法。在此基础上，提出一种新的基于集成学习思想的深度图像遮挡边界检测方法，该方法结合所提新特征及现有遮挡相关特征训练基于决策树的AdaBOOst分类器，完成对深度图像中遮挡边界点及非遮挡边界点的分类，实现对深度图像中遮挡边界的检测。实验结果表明，同已有方法相比，所提方法具有较高的准确性和较好的普适性。

关键词：计量学、遮挡边界检测、集成学习、深度图像、8邻域总深度差特征、最大面积特征、AdaBOOst

分类号：TB96(计量学)

资助基金：国家自然科学基金61379065；河北省自然科学基金F2014203119

在线出版日期：2014-12-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：569-573