.png){kind=icon}
返回
Adaptive Depth Completion Optimization Based on Traditional Image Processing
.png){kind=icon}
PRE
AI
DOI：10.1016/j.dsp.2025.105642.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
深度补全是计算机视觉中的一个核心技术，在自动驾驶、机器人导航和三维重建等应用中发挥着关键作用。为解决经典图像处理方法在适应局部密度变化和保持边缘细节方面的局限性，本文提出了一种结合自适应膨胀和区域自适应滤波的顺序联合优化方法。所提出的方法首先基于局部密度信息动态调整膨胀核大小，以实现高效的空洞填充。随后，利用图像梯度指导区域感知滤波，在有效抑制噪声的同时增强结构细节。这两个阶段相互补充，共同提升全局精度和局部保真度，增强了深度补全的鲁棒性和精度。该方法在KITTI数据集上进行了验证，实验结果证明，与经典方法相比，该方法在补全精度和边缘保持方面实现了显著提升，为经典图像处理框架内提供了一种更鲁棒的优化方案。