تصاویر عمق گرفته شده از حسگرها عموما دارای حفرههایی هستند که استفاده از آن را با مشکل مواجه میکند. برای
استفاده از داده های عمق به صورت ابر نقاط در کاربردهایی مانند بازسازی صحنه نیازمند روشی کارا برای پر کردن این حفره ها
هستیم. روش های موجود اصولا سعی در پر کردن حفره ها با استفاده از نقاط همسایگی تصویر عمق و تصویر رنگ دارند و هندسه
صحنه را در نظر نمی گیرند. در این مقاله سعی داریم حفره ها را به گونهای پر کنیم که در بازنمایی سه بعدی ساختار هندسی صحنه
حفظ شود. در روش پیشنهادی ابتدا با استفاده از ابر نقاط و الگوریتم رنسک، صحنه به صورت صفحات مجزا تقسیم میشود و
صفحات معتبر انتخاب میشوند. سپس مقدار عمق هر پیکسل موجود در حفره، با استفاده از معادله هر صفحه تخمین زده میشود.
با استفاده از مدل تصادفی مارکوف، برحسب فاصله سه بعدی هر پیکسل تا چند ضلعی منطبق بر صفحه و فاصله رنگی آن، حفرهها
پر میشوند. نتایج بر روی پایگاهداده استنفورد و داده شبیهسازی شده از نظر کمی و کیفی مورد بررسی قرار گرفته است. تصاویر
در بازنمایی سه بعدی دارای برتریهای قابل توجهی بوده است. همچنین در مقایسه با داده شبیهسازی از روش مینیمم مطلق خطا
استفاده شده است که راهکار پیشنهادی از سایر روشها بهتر بوده است.