1) Firstly we convert the raw depth

1) Firstly we convert the raw depth image frame into the depth float image frame, assume the depth float image is ' ( ) i D p ∈ℜ at time i and that every pixel is p (x, y)Τ = in the image domain p∈ϑ ∈ℜ , and then smooth the depth float image for de-noising adopting a bilateral filtering[8]. It is a simple, non-iterative scheme for edge preserving smoothing. With the purpose of getting a better filtering effect, bilateral filtering combines domain and range filtering. In this paper, we use the bilateral filtering in the case of Gaussian which can be described as follow:

ผลลัพธ์ (ไทย) 1:

1) ประการแรกเราแปลงดิบลึกรูปเฟรมเป็นเฟรมรูปลอยลึก สมมติรูปลอยลึก ' ()∈ℜ p i D ในเวลาฉันและว่าแต่ละพิกเซลΤ p (x, y) =ในรูปโดเมน p∈ϑ ∈ℜ แล้ว เรียบรูปลอยลึกสำหรับ de-noising ใช้เป็นทวิภาคีกรอง [8] แบบเรียบง่าย ไม่ซ้ำการรักษาราบเรียบขอบได้ โดยมีวัตถุประสงค์ได้รับผลดีกว่ากรอง กรองทวิภาคีรวมโดเมนและการกรองช่วง ในเอกสารนี้ เราใช้กรองทวิภาคีในกรณีของ Gaussian ซึ่งสามารถอธิบายดังต่อไปนี้:

ผลลัพธ์ (ไทย) 2:

1) ประการแรกเราแปลงกรอบภาพลึกดิบให้เป็นลอยลึกกรอบภาพสมมติภาพลอยลึกคือ '() ฉัน D พี∈ℜในเวลาที่ฉันและทุก pixel คือ P (x, y) = Τในภาพ โดเมนp∈θ∈ℜแล้วเรียบภาพลอยลึกสำหรับ-noising การนำกรองทวิภาคี [8] มันเป็นเรื่องง่ายที่โครงการที่ไม่ซ้ำสำหรับการรักษาขอบเรียบ โดยมีวัตถุประสงค์ในการได้รับผลการกรองที่ดีกว่าการกรองทวิภาคีรวมโดเมนและช่วงการกรอง ในบทความนี้เราจะใช้การกรองทวิภาคีในกรณีของการเสียนซึ่งสามารถอธิบายได้ดังนี้

ผลลัพธ์ (ไทย) 3:

1 ) ก่อนอื่นเราแปลงความลึกของภาพดิบเจาะลึกภาพเฟรมลอย กรอบลอยรูปสมมติลึก ' ( ) ฉัน D P ∈ℜเวลาที่ฉันและทุกพิกเซลคือ P ( X , Y ) Τ = ในรูปโดเมน P ∈ϑ∈ℜแล้วเรียบลึกลอย de-noising ใช้ภาพ ทวิภาคีการกรอง [ 8 ] มันง่ายที่ไม่ซ้ำสำหรับการรักษาแบบขอบเรียบ . กับวัตถุประสงค์ของการกรองที่ดีขึ้นผลทวิภาคีกรองรวมโดเมนและเรนจ์กรอง ในกระดาษนี้เราใช้ทวิภาคีการกรองกรณี ) ซึ่งสามารถอธิบายได้ดังนี้