本发明专利技术公开了一种深度图像的去噪方法，其能够减少图像的边缘模糊、适用于非零均值的高斯噪声去噪、大大提升深度图像质量。这种深度图像的去噪方法，包括步骤：(1)对深度图像进行联合双边滤波，对双边滤波器的作用域进行约束，从而获得滤波图像；(2)用K-SVD方法训练字典，用基于该字典的稀疏表示来对步骤(1)的滤波图像进行去噪，从而获得重构图像。
【技术实现步骤摘要】
本专利技术属于图像处理的
，具体地涉及，特别适 用于通过Kinect和飞行时间摄像机（ToF camera)采集的人体深度图像的去噪。
技术介绍
与传统的灰度图像、彩色图像相比，深度图像具有物体的三维特征信息，因而越来 越多的应用于计算机视觉、计算机图形学等领域。2010年11月，微软公司生产的Kinect， 因其实时、低价等特性，已成为人们普遍应用的深度图像获取设备之一。然而，由于环境光 线条件、遮挡等因素，Kinect采集的深度数据通常分辨率较低，并包含许多噪声以及奇异像 素。 对于图像噪声去除，在过去的二三十年中研宄人员提出了大量有效的图像降噪算 法。经典的平滑滤波器，如高斯滤波器，在去噪的同时也模糊了图像。频域滤波方法，如维纳 滤波也易造成图像高频细节丢失。自适应领域的滤波器，如经典的双边滤波器（bilateral filter)，它能根据像素点之间的相似度和空间距离自适应地进行滤波，能良好地保持图像 局部结构。由于运算简单同时具有良好的效果，双边滤波器被广泛地用于图像光滑滤波。 对于深度图像的去噪，又具有它的自身特点，深度图像同时还要满足和彩色图像 一致，保留相同的细节和结构。通常的图像去噪算法，不可避免的带来边缘的平滑性模糊问 题，为深度图像的进一步应用带来困难。
技术实现思路
本专利技术的技术解决问题是：克服现有技术的不足，提供， 其能够减少图像的边缘模糊、适用于非零均值的高斯噪声去噪、大大提升深度图像质量。 本专利技术的技术解决方案是：这种深度图像的去噪方法，包括以下步骤： (1)对深度图像进行联合双边滤波，对双边滤波器的作用域进行约束，从而获得滤 波图像； (2)用K-SVD方法训练字典，用基于该字典的稀疏表示来对步骤（1)的滤波图像进 行去噪，从而获得重构图像。 本专利技术通过联合双边滤波和字典稀疏表示的联合去噪方法，能够减少图像的边缘 模糊、适用于非零均值的高斯噪声去噪、大大提升深度图像质量。【附图说明】 图1是根据本专利技术的深度图像的去噪方法的一个优选实施例的流程图。 图2是步骤（2)中鲁棒正交分解的一个实例流程图。 图3是步骤（2)的一个实例流程图。【具体实施方式】 这种深度图像的去噪方法，包括以下步骤： (1)对深度图像进行联合双边滤波，对双边滤波器的作用域进行约束，从而获得滤 波图像； (2)用K-SVD方法训练字典，用基于该字典的稀疏表示来对步骤（1)的滤波图像进 行去噪，从而获得重构图像。 本专利技术通过联合双边滤波和字典稀疏表示的联合去噪方法，能够减少图像的边缘 模糊、适用于非零均值的高斯噪声去噪、大大提升深度图像质量。 优选地，所述步骤（1)的深度图像包括两种噪声：第一种噪声是因为光线的反射 和遮挡造成的深度值缺失；第二种噪声是由于光线折射造成的图像边缘轮廓突出从而与彩 色图像形状不一致； 对于第一种噪声根据公式（1)滤波：【主权项】1. ，其特征在于：包括以下步骤： (1) 对深度图像进行联合双边滤波，对双边滤波器的作用域进行约束，从而获得滤波图 像； (2) 用K-SVD方法训练字典，用基于该字典的稀疏表示来对步骤（1)的滤波图像进行去 噪，从而获得重构图像。2. 根据权利要求1所述的深度图像的去噪方法，其特征在于：所述步骤（1)的深度图 像包括两种噪声：第一种噪声是因为光线的反射和遮挡造成的深度值缺失；第二种噪声是 由于光线折射造成的图像边缘轮廓突出从而与彩色图像形状不一致； 对于第一种噪声根据公式（1)滤波：其中1表示是最终计算出的目标位置P处的深度值，I ,，Dq分别代表位置q处的彩色 图像和深度图像的值，Ip表示目标位置P出的彩色图像亮度值，f是一个计算P的邻域中相 对于P的距离的二元高斯核函数，g是一个计算邻域中q处与目标位置P处的彩色图像亮 度的相关性的一元高斯核函数，k p是归一化因子，是对一个传统的矩形邻域Ωρ进行了 彩色和深度分别约束后得到的滤波邻域，同时滤波邻域中的像素个数必须大于一个固定阈 值ε 1;邻域的约束条件是：邻域中的像素与目标点，在彩色图像上相近，深度值在此区域内 处于一个较大的位置，数值上大于此区域内不为奇异点的所有深度值的中位数一定数值， hist表示对数据进按照直方图统计的方式排序，得到大于区域内比中位数大ε2，ε3则表 示对彩色亮度值与目标像素的差值大小；对于第二种噪声根据公式（2)滤波：其中\表示是最终计算出的目标位置P处的深度值I ,,Dq分别代表位置q处的彩色图 像和深度图像的值，Ip，Dp表示目标位置p出的彩色图像和深度图像的值，f是一个计算p的 邻域中相对于P的距离的二元高斯核函数，g是一个计算邻域中q处与目标位置P处的彩 色图像亮度的相关性的一元高斯核函数，1^是归一化因子，是对一个传统的矩形邻域Ω ρ 进行了彩色和深度分别约束后得到的滤波邻域，同时滤波邻域中的像素个数必须大于一个 固定阈值ε4;邻域的约束条件是：邻域中的像素与目标点，在彩色图像上相近，亮度差的二 范数的平方小于ε 6，深度值在此区域内处于一个较大的位置，数值上大于比目标像素的深 度值大一定数值ε 5。3. 根据权利要求3所述的深度图像的去噪方法，其特征在于：所述步骤（2)中： 对于含噪图像模型，Y = Χ+ν，其中X表示理想的无噪图像，Y是含噪图像，V是图像噪 声；无噪图像由一组过完备冗余基生成并且表示系数中只有少量非零，含噪图像表示为Y =D α +ν，D为K-SVD算法训练字典D，根据公式（3)获得一个贪婪追踪算法计算系数α min ||o:,:j||〇 siibjert to Dq〇 a Y" V(Lj·) (3) fhi ' ' * 贪婪算法的基本原则是：从字典矩阵D，选择一个与信号y最匹配的原子，构建一个稀 疏逼近，并求出信号残差，然后继续选择与信号残差最匹配的原子，反复迭代，信号y由这 些原子来线性和，再加上最后的残差值来表示； 在鲁棒正交匹配追踪中对每一次选择与残差最匹配的原子后对求出的残差进行分析， 当残差向量中存在部分数据较大且这样的数据个数较少且是离散分布时，将这些数据置为 〇,并反映到该次匹配前的残差中去，从残差中减去因这些数据调整而产生的增量，然后对 调整后的残差重新选择最佳匹配的原子并进行正交化分解。【专利摘要】本专利技术公开了，其能够减少图像的边缘模糊、适用于非零均值的高斯噪声去噪、大大提升深度图像质量。这种深度图像的去噪方法，包括步骤：(1)对深度图像进行联合双边滤波，对双边滤波器的作用域进行约束，从而获得滤波图像；(2)用K-SVD方法训练字典，用基于该字典的稀疏表示来对步骤(1)的滤波图像进行去噪，从而获得重构图像。【IPC分类】G06T5-00【公开号】CN104732492【申请号】CN201510103661【专利技术人】施云惠, 李华阳, 王少帆, 孔德慧, 尹宝才 【申请人】北京工业大学【公开日】2015年6月24日【申请日】2015年3月9日本文档来自技高网...
【技术保护点】
一种深度图像的去噪方法，其特征在于：包括以下步骤：(1)对深度图像进行联合双边滤波，对双边滤波器的作用域进行约束，从而获得滤波图像；(2)用K‑SVD方法训练字典，用基于该字典的稀疏表示来对步骤(1)的滤波图像进行去噪，从而获得重构图像。
【技术特征摘要】
【专利技术属性】
技术研发人员：施云惠，李华阳，王少帆，孔德慧，尹宝才，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。