System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及一种滤波方法,具体地,涉及一种基于遥感点云投影图像的滤波方法。
技术介绍
1、近年来,激光雷达技术已被广泛应用于航空航天、遥感测绘、自动驾驶等领域,通过激光雷达采集的点云数据由于其精准的三维特征常被用来进行三维建模、测距测量、目标识别等;在遥感领域,通常利用无人机搭载激光雷达进行地形测量,获取目标范围内点云数据,经过去噪、分割等处理后,被用来提取地理信息,如高程获取、数字高程模型、建筑物轮廓、道路边缘等特征;在获取地物特征时,一般有两种方法:通过点云直接提取和点云转化成图像后提取。
2、通过点云直接提取一般需要对原始数据进行去噪、下采样等操作,然后利用kd树、八叉树等操作优化数据结构,再通过特征提取、点云分割等手段获取特征点;虽然直接处理点云数据使结果较为精确,但由于其数据量大的特点通常对算法研发或硬件性能要求较高,因此,研究者们有时通过投影成图像解决数据量过大的问题;在投影过程中,通常将2000国家大地坐标系的x-y平面作为投影平面,再根据坐标范围划定图像大小,根据像素对应的二维投影点的平均高度的归一化值作为像素灰度值;然而,实验表明得到的灰度图像质量较差,噪声较多且边缘特征不突出,需要对图像进行去噪和平滑处理。
3、利用图像处理算法如中值滤波、高斯滤波等操作可以在一定程度上消除部分噪声,通过图像锐化、形态学算法可以使特征更加明显。
4、为了解决上述问题本文提出了一种基于遥感点云投影图像的滤波方法,在去除部分噪声的同时可以使图像边缘特征更加明显。
技
1、本专利技术所要解决的基本技术问题是提供一种基于遥感点云投影图像的滤波方法,该滤波方法在去除部分噪声的同时可以使图像边缘特征更加明显。
2、为了解决上述技术问题,本专利技术提供一种基于遥感点云投影图像的滤波方法,该方法包括以下步骤:
3、步骤一:对点云数据进行预处理;
4、步骤二:初始图像为fa×b,所以任意一像素点为:
5、(i,j),i=1,2,...,a,j=1,2,...,b
6、统计并计算其周边1邻域像素的最大梯度值:
7、
8、步骤三:设置阈值ξ1,其中ξ1的值越大,则本算法结果越趋向于中值滤波,如果满足:
9、
10、则更新当前像素灰度值;
11、步骤四:对于中心像素点的8邻域像素:
12、(x1,y1),(x2,y2),…,(x8,y8)
13、计算一阶导数:
14、
15、步骤五:通过所述一阶导数计算二阶导数:
16、
17、根据二阶导数判断梯度变化,若满足对应的条件,则该点像素值保持不变;
18、步骤六:若均不满足上述情况,设置阈值ξ3,对邻域像素值的陡变情况进行判断,根据相应的情况对像素值进行更新;
19、步骤七:若均不满足上述条件,则利用高斯分布为周边点赋予权重,利用加权平均数计算当前中心点的像素;
20、步骤八:遍历所有点,对每个像素点进行上述判断,遍历结束后即可获取滤波后图像。
21、进一步地,所述步骤一中对点云数据进行预处理包括点云投影和图像转化;
22、所述点云投影的步骤为初始点云数据为选择原始数据所在坐标系的x-y平面作为投影面,投影后得到的二维点为:
23、
24、进一步地,所述图像转化包括以下步骤:
25、a.计算所有三维点距离投影面的高度为di∈d,根据投影点的坐标范围确定投影图像大小:
26、a×b=[xmax-xmin]×[ymax-ymin];
27、b.确定每个像素对应的点的编号:
28、
29、并计算像素对应点的距离平均值:
30、
31、c.进行归一化使距离平均值在0~1范围内,作为对应灰度值:
32、得到灰度图像。
33、进一步地,所述得到灰度图像后对空像素进行插值,通过周边像素的平均值替代当前空像素的值,消除空像素后得到投影灰度图像fa×b。
34、进一步地,所述步骤五中,对应的条件为,设置阀值ξ2,变化较小,即max{abs(γ2)}<ξ2则说明周边像素呈均匀变化,则被认为该点为正常点,则像素保持不变,若梯度值出现陡变,则该点可能为噪声。
35、进一步地,所述步骤六中,对相应的情况进行判断包括:当陡变存在一个以上时,则无法确定该点是否需要更新,若只存在一个则寻找陡变点的位置,且陡变点两边点的个数一致,即满足条件:
36、num(γ2≥ξ3)=1&nl≠n2
37、则个数多的方向对应的像素的平均值作为中心点平均值,
38、f(i,j)=mean(max(nleft,nright)→value)。
39、进一步地,所述步骤七利用高斯分布为周边点赋予权重,利用加权平均数计算当前中心点的像素中利用高斯分布为周边点赋予权重包括以下步骤:
40、a.计算邻域点的偏差:
41、
42、b.方差为σ2,则计算每个邻域像素点的权重为:
43、
44、进一步地,所述步骤七中,利用加权平均数计算当前中心点的像素的公式为:
45、进一步地,所述步骤二中的计算公式为
46、
47、进一步地,所述步骤三中更新当前灰度值的公式为
48、
49、通过本专利技术的上述基本技术方案,本专利技术的一种基于遥感点云投影图像的滤波方法通过对点云进行预处理,具体地,对点云数据进行预处理包括点云投影和图像转化,更具体地,得到灰度图像后对空像素进行插值,通过周边像素的平均值替代当前空像素的值,消除空像素后得到投影灰度图像fa×b,解决投影比例不协调导致投影点的稀疏或稠密的问题,提高投影的清晰度;
50、通过本专利技术独特的滤波算法对点云进行处理,统计并计算其周边1邻域像素的最大梯度值,设置阈值ξ1,其中ξ1的值越大,则本算法结果越趋向于中值滤波,如果满足:则更新当前像素灰度值,对于中心像素点的8邻域像素:(x1,y1),(x2,y2),…,(x8,y8)并计算一阶导数计算二阶导数:根据二阶导数判断梯度变化,若梯度值出现陡变,则该点可能为噪声,变化较小则说明周边像素呈均匀变化,则被认为该点为正常点:max{abs(γ2)}<ξ2则该点像素值保持不变,若均不满足上述情况,设置阈值ξ3,对邻域像素值的陡变情况进行判断,当陡变存在一个以上时,则无法确定该点是否需要更新,若只存在一个则寻找陡变点的位置,且陡变点两边点的个数一致,即满足条件:num(γ2≥ξ3)=1&nl≠n2则个数多的方向对应的像素的平均值作为中心点平均值,若均不满足上述条件,则利用高斯分布为周边点赋予权重,利用加权平均数计算当前中心点的像素,遍历所有点,对每个像素点进行上述判断本文档来自技高网...
【技术保护点】
1.一种基于遥感点云投影图像的滤波方法,其特征在于,该方法包括以下步骤:
2.根据权利要求1所述的基于遥感点云投影图像的滤波方法,其中,所述步骤一中对点云数据进行预处理包括点云投影和图像转化;
3.根据权利要求2所述的基于遥感点云投影图像的滤波方法,其中,所述图像转化包括以下步骤:
4.根据权利要求3所述的基于遥感点云投影图像的滤波方法,其中,所述得到灰度图像后对空像素进行插值,通过周边像素的平均值替代当前空像素的值,消除空像素后得到投影灰度图像fa×b。
5.根据权利要求1所述的基于遥感点云投影图像的滤波方法,其中,所述步骤五中,对应的条件为,设置阀值ξ2,变化较小,即max{abs(Γ2)}<ξ2则说明周边像素呈均匀变化,则被认为该点为正常点,则像素保持不变,若梯度值出现陡变,则该点可能为噪声。
6.根据权利要求1所述的基于遥感点云投影图像的滤波方法,其中,所述步骤六中,对相应的情况进行判断包括:当陡变存在一个以上时,则无法确定该点是否需要更新,若只存在一个则寻找陡变点的位置,且陡变点两边点的个数一致,即满足条件:<
...【技术特征摘要】
1.一种基于遥感点云投影图像的滤波方法,其特征在于,该方法包括以下步骤:
2.根据权利要求1所述的基于遥感点云投影图像的滤波方法,其中,所述步骤一中对点云数据进行预处理包括点云投影和图像转化;
3.根据权利要求2所述的基于遥感点云投影图像的滤波方法,其中,所述图像转化包括以下步骤:
4.根据权利要求3所述的基于遥感点云投影图像的滤波方法,其中,所述得到灰度图像后对空像素进行插值,通过周边像素的平均值替代当前空像素的值,消除空像素后得到投影灰度图像fa×b。
5.根据权利要求1所述的基于遥感点云投影图像的滤波方法,其中,所述步骤五中,对应的条件为,设置阀值ξ2,变化较小,即max{abs(γ2)}<ξ2则说明周边像素呈均匀变化,则被认为该点为正常点,则像素保持不变,若梯度值出现陡变,则该点可能为噪声。
<...【专利技术属性】
技术研发人员:程东阳,肖艳,黄姗姗,万鑫怡,王亚东,沈高杰,
申请(专利权)人:中水淮河规划设计研究有限公司,
类型:发明
国别省市:
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。