摘 要：針對傳統(tǒng)深度圖像空洞修復(fù)方法引起的物體邊緣扭曲、模糊以及修復(fù)較大空洞速度緩慢的問題，提出了一種基于邊緣優(yōu)先填充的自適應(yīng)深度圖像修復(fù)方法。該方法利用多通道檢測提?。遥牵拢?圖像邊緣，經(jīng)過去除空洞虛假邊緣和無用細(xì)節(jié)信息處理，生成物體的顯著性邊緣；將此邊緣引入到圖像修復(fù)過程中，優(yōu)先填充空洞區(qū)域的邊緣位置，有效解決邊緣模糊虛化問題，使修復(fù)后的深度圖像邊緣結(jié)構(gòu)清晰；在曲率驅(qū)動擴(kuò)散（Ｃｕｒｖａｔｕｒｅ Ｄｒｉｖｅｎ Ｄｉｆｆｕｓｉｏｎ，ＣＤＤ） 模型的擴(kuò)散項中引入梯度引導(dǎo)函數(shù)，使模型在空洞的平坦區(qū)域和邊緣區(qū)域自適應(yīng)地選擇不同的擴(kuò)散方向和擴(kuò)散強(qiáng)度，實現(xiàn)對較大空洞區(qū)域的準(zhǔn)確填充。實驗結(jié)果表明，所提方法在ＲＧＢＺ 數(shù)據(jù)集上與其他方法進(jìn)行比較，峰值信噪比（Ｐｅａｋ Ｓｉｇｎａｌ ｔｏ Ｎｏｉｓｅ Ｒａｔｉｏ，ＰＳＮＲ） 和平均結(jié)構(gòu)相似性（Ｍｅａｎ Ｓｔｒｕｃｔｕｒａｌ Ｓｉｍｉｌａｒｉｔｙ，ＭＳＳＩＭ） 分別提高了８ ～ １３ ｄＢ、０． ００９ ９ ～ ０． ０２１ ４，在提高迭代效率的同時有效修復(fù)了較大空洞，保持了較為清晰完整的物體邊緣輪廓信息。

關(guān)鍵詞：深度圖像；空洞修復(fù)；邊緣提?。磺黍?qū)動擴(kuò)散模型；自適應(yīng)擴(kuò)散

中圖分類號：ＴＰ３９１． ４１ 文獻(xiàn)標(biāo)志碼：Ａ

文章編號：１００３－３１０６（２０２４）１０－２３３９－０８