一种图像降噪方法及系统技术方案

本发明专利技术是提供一种图像降噪方法，包括：输入相机采集原深度图像和原红外图像；将采集的深度图像，前后景剔除，得到前后景剔除的原深度图像；将前后景剔除的原深度图像剔除地面，得到地面剔除的原深度图像；将采集的红外图像的灰度值进行重映射，得到重映射后的红外图像；将重映射后的红外图像的前后景剔除，得到前后景剔除的红外图像；将前后景剔除的红外图像地面过滤，得到过滤后的红外图像；将过滤后的红外图像进行二值化，得到二值化后的红外图像；将所述二值化的红外图像和所述地面剔除的原深度图像叠加降噪，得到降噪后的图像；将降噪后的图像，采用联合双边滤波算法对边缘部分进行增强，得到增强后的图像；将增强后的图像替换采集的原红外图像，得到增强降噪的红外图像。

【技术实现步骤摘要】

本专利技术涉及图像处理
，尤其涉及一种图像降噪方法及系统。
技术介绍
随着科技的发展，图像作为多媒体时代主要的信息载体之一，在采集、转换和传输过程中，易受到成像设备与外部环境噪声干扰等影响导致质量下降，因此，图像降噪是图像工程中一个基础和必要的预处理步骤，是图像感知、分类与识别的关键技术之一。图像降噪的本质是模式分类，即从有规律的“图像模式”中将具有点奇异的不规则“噪声模式”分离出来。目前，图像降噪方法主要分为空域滤波、变换域滤波以及变换域统计建模分析等三大类。传统的大部分滤波方法属于空域滤波，如均值滤波、中值滤波等。实际上采用各种平滑函数对图像进行卷积处理，在便于硬件实现，削弱噪声的同时对图像的有用信息也进行了平滑。变换域统计建模分析方法对变换域系数进行统计建模，能够取得较好降噪效果，但是需要较多的先验信息，建立适合的模型进行训练，而且计算复杂度很高。在变换域滤波方法中，基于小波变换的收缩阈降噪方法最具代表性，但是变换域收缩阈值生失真，称为伪吉布斯现象。已有的技术中，红外图像降噪的方法有：a.通过TOF（飞行时间）技术采集图像，在深度图像上直接应用双边滤波技术，该技术的主要问题是容易丢失图像的细节信息。b.通过TOF技术采集图像，将深度图像转化为灰度图像，利用灰度的梯度变化进行滤波，该技术的主要问题是：如果不做梯度变化自适应，则边缘保持效果不理想；如果做梯度变化自适应，则速度非常慢。c.通过TOF技术采集图像，在深度图像上直接应用中值滤波，该算法对椒盐噪声有很好的抑制效果，对其他类型的噪声则不理想。d.通过TOF采集图像，在深度图像上直接应用中值滤波，该算法对椒盐噪声有很好的抑制效果，对其他类型的噪声则不理想，另外TOF技术采集的深度图像中，椒盐噪声只是其中很少的一部分。e.通过TOF技术采集图像，采用多帧均值滤波，该技术要求采集多幅深度图像，该技术的主要问题有两个，一是对噪声的判断不稳定；二是会增加数据采集的时间。综合以上的方法，采用TOF技术的三维扫描仪采集到的深度图像在目标边缘部分存在比较严重的噪声。本专利技术旨在解决当前技术对这种深度图像降噪时存在着边缘细节信息容易丢失和速度慢的缺点。本专利技术基于TOF技术的三维扫描仪采集到的深度数据，在目标的边缘部分存在着比较严重的噪声，当前的深度图像降噪技术直接针对深度图像进行降噪时存在着边缘容易模糊（丢失细节信息），速度慢的问题。
技术实现思路
本专利技术的目的是提供一种图像降噪方法及系统，本专利技术利用TOF三维扫描仪采集的红外图像引导深度图像进行快速降噪处理、同时解决了其边缘图像的清晰、而且避免图像原有细节信息的丢失。本专利技术是提供一种图像降噪方法，包括：输入相机采集原深度图像和原红外图像；将采集的深度图像，前后景剔除，得到前后景剔除的原深度图像；将前后景剔除的原深度图像剔除地面，得到地面剔除的原深度图像；将采集的红外图像的灰度值进行重映射，得到重映射后的红外图像；将重映射后的红外图像的前后景剔除，得到前后景剔除的红外图像；将前后景剔除的红外图像地面过滤，得到过滤后的红外图像；将过滤后的红外图像进行二值化，得到二值化后的红外图像；将所述二值化的红外图像和所述地面剔除的原深度图像叠加降噪，得到降噪后的图像；将降噪后的图像，采用联合双边滤波算法对边缘部分进行增强，得到增强后的图像；将增强后的图像替换采集的原红外图像，得到增强降噪的红外图像。进一步地，所述的原深度图像和原红外图像是飞机时间相机同一时间采集的。进一步地，所述的原深度图像前后景剔除距离的阈值公式为：其中，深度图像中一点P,其深度值为z，其灰度值为g,深度阈值为[Dmin,Dmax],深度过滤后的灰度值记为Gf。进一步地，所述采集的原红外图像的灰度值进行重新映射，灰度值重映射的算法为：Gf=Max[min(Gorg/a*b*c,Cmax),Cmin]*255其中Gorg表示原始灰度值，a表示灰度等级的最大值，一般用表示n表示灰度等级.b表示红外成像设备的标准偏差，c表示红外图像的平均值.Cmax,灰度映射范围最大值.Cmin,灰度映射范围最小值.a,b,c是跟设备相关的参数，其中，取a=,b=4.0,c=0.1,Cmax=1.0,Cmin=0.1进一步地，所述深度图像中的地面剔除算法为：从剔除前后景的深度图像中，从下往上共取m行，在这m行中，采用横向扫描线原理，每点的灰度记为g(x,y),如果g(x,y)>0,则将该点加入集合Q，对非空集合Q(为了保证Q非空，m需要选择一个合适的值，取m=20)，计算出每一点的三维相机坐标，采用最小二乘法拟合出集合Q的平面方程P。进一步地，所述深度图像中的地面剔除算法平面P的方程为aX+bY+cZ+D=0其中，平面的法线向量记为N（a,b,c),集合Q中的点Qi到平面的距离记为di,根据点到平面的距离公式有：di=Qi*N+D;其中，集合Q中元素的最终灰度值G为：本专利技术是提供一种图像降噪系统，包括：所述相机采集模块，用于采集原深度图像和原红外图像；所述第一前后景剔除模块，用于剔除原深度图像的前后景，得到前后景剔除的原深度图像；所述第一地面剔除模块，用于剔除原深度图像的地面，得到地面剔除的原深度图像；所述灰度值重映射模块，用于红外图像的灰度值进行重映射，得到重映射后的红外图像；所述第二前后景剔除模块，用于剔除重映射后的红外图像的前后景，得到前后景剔除的红外图像；所述地面过滤模块，用于前后景剔除的红外图像的地面过滤，得到过滤后的红外图像；所述二值化模块，用于过滤后的红外图像进行二值化，得到二值化后的红外图像；所述叠加降噪模块，用于所述二值化的红外图像和所述地面剔除的原深度图像叠加降噪，得到降噪后的图像；所述第一图像模块，采用联合双边滤波算法对边缘部分进行增强，得到增强后的图像；所述第二图像模块，用于增强后的图像替换采集的原红外图像，得到增强降噪的红外图像。有益效果本专利技术提供了一种图像降噪方法及系统，采用TOF技术的三维扫描仪采集到的深度图像在目标边缘部分存在比较严重的噪声，本专利技术旨在解决当前技术对这种深度图像降噪时存在着边缘细节信息容易丢失和速度慢的缺点。本专利技术基于TOF技术的三维扫描仪采集到的深度数据，在目标的边缘部分存在着比较严重的噪声，当前的深度图降噪技术直接针对深度图进行降噪时存在着边缘容易模糊（丢失细节信息），速度慢的问题。本专利技术综合利用TO本文档来自技高网...

【技术保护点】
一种图像降噪方法，其特征在于，包括：输入相机采集原深度图像和原红外图像；将采集的原深度图像，前后景剔除，得到前后景剔除的原深度图像；将前后景剔除的原深度图像剔除地面，得到地面剔除的原深度图像；将采集的红外图像的灰度值进行重映射，得到重映射后的红外图像；将重映射后的红外图像的前后景剔除，得到前后景剔除的红外图像；将前后景剔除的红外图像地面过滤，得到过滤后的红外图像；将过滤后的红外图像进行二值化，得到二值化后的红外图像；将所述二值化的红外图像和所述地面剔除的原深度图像叠加降噪，得到降噪后的图像；将降噪后的图像，采用联合双边滤波算法对边缘部分进行增强，得到增强后的图像；将增强后的图像替换采集的原红外图像，得到增强降噪的红外图像。

【技术特征摘要】
1.一种图像降噪方法，其特征在于，包括：
输入相机采集原深度图像和原红外图像；
将采集的原深度图像，前后景剔除，得到前后景剔除的原深度图像；
将前后景剔除的原深度图像剔除地面，得到地面剔除的原深度图像；
将采集的红外图像的灰度值进行重映射，得到重映射后的红外图像；
将重映射后的红外图像的前后景剔除，得到前后景剔除的红外图像；
将前后景剔除的红外图像地面过滤，得到过滤后的红外图像；
将过滤后的红外图像进行二值化，得到二值化后的红外图像；
将所述二值化的红外图像和所述地面剔除的原深度图像叠加降噪，得到降噪后的图
像；
将降噪后的图像，采用联合双边滤波算法对边缘部分进行增强，得到增强后的图像；
将增强后的图像替换采集的原红外图像，得到增强降噪的红外图像。
2.如权利要求1所述的一种图像降噪方法，其特征在于：所述的原深度图像和原红外图
像是飞机时间技术同一时间采集的。
3.如权利要求1所述的一种图像降噪方法，其特征在于：所述的原深度图像前后景剔除
距离的阈值公式为：
其中，深度图像中一点P,其深度值为z，其灰度值为g,深度阈值为[Dmin,Dmax],深度过
滤后的灰度值记为Gf。
4.如权利要求1所述的一种图像降噪方法，其特征在于：所述采集的原红外图像的灰度
值进行重新映射，
灰度值重映射的算法为：
Gf＝Max[min(Gorg/a*b*c,Cmax),Cmin]*255
其中Gorg表示原始灰度值，a表示灰度等级的最大值，一般用2n表示
n表示灰度等级.
b表示红外成像设备的标准偏差，c表示红外图像的平均值.
Cmax∈(0.0,1.0],灰度映射范围最大值.
Cmin∈(0.0,1.0),灰度映射范围最小值.
a,b,c是跟设备相关的参数，其中，取
a＝216,b＝4.0,c＝0.1,Cmax＝1.0,Cmin＝0.1

【专利技术属性】
技术研发人员：杨智远，
申请(专利权)人：深圳市云之梦科技有限公司，
类型：发明
国别省市：广东;44