本发明专利技术公开了一种针对激光散斑的图像噪声抑制方法及系统，涉及图像噪声抑制技术领域，首先获取两张相同位置的激光图像，并进行二维离散小波变换，得到高、低频图像；对高、低频图像进行融合，得到高频融合图像和低频融合图像；使用优化的非局部均值滤波算法，对高频融合图像进行滤波，得到滤波后的高频融合图像；通过小波逆变换，将低频融合图像和滤波后的高频融合图像进行还原恢复，得到还原图像；使用优化的非局部均值滤波算法对还原图像进行滤波，得到最终的结果图像。本发明专利技术针对激光散斑高频噪声，引入小波变换和改进优化的非局部均值滤波相结合，不仅消除了激光图像中的高频散斑噪声，而且还将低频信息部分完全保留，获得的图像效果最佳。获得的图像效果最佳。获得的图像效果最佳。
【技术实现步骤摘要】
一种针对激光散斑的图像噪声抑制方法及系统
[0001]本专利技术涉及图像噪声抑制
，更具体的说是涉及一种针对激光散斑的图像噪声抑制方法及系统。
技术介绍
[0002]激光成像技术具有非接触、广域以及连续长期检测等优点，因此MEMS激光的三维重建技术在精密检测方面有着重要意义，现已被广泛应用于工业检测、安防监控、智能交通、医疗等领域；该技术可提高探测距离、获取目标细节特征、识别目标伪装并区分引诱物。
[0003]在进行光栅结构光图像的测量过程中，由于外部因素和实验设备的多重干扰，图像中存在的噪声会影响图像质量、降低对目标物体的分辨能力，进而影响后续解相位包裹的相位信息的精确度，严重影响三维测量的精度。图像滤波技术是为了衰减或者消除噪声对图像产生的不利影响，提高图像质量，提升图像的对比度和分辨率。
[0004]图像滤波技术通常被分为基于空间域的方法、基于变换域的方法以及基于神经网络的方法。空间域方法包括直方图均衡化、图像平均化、使用边缘检测和形态学运算符的图像锐化，以及非线性中值滤波。基于变换域的方法涉及域的变换，如傅里叶变换，频率变换方法有利于提取某些无法从空间域获得的图像特征。由于MEMS结构光技术的特殊性，难以获得无噪声的原始图像作为训练集，故基于神经网络的降噪算法并不常用。因此在消除激光图像的噪声时，通常选择空间域或变换域的降噪算法。Buades等人提出的非局部均值(Non
‑
Local Means,NLM)滤波算法利用了图像中的冗余信息使得图像的降噪效果较佳。该算法在消除激光图像的噪声会同时消除图像中的主要信息部分，在消除噪声的同时会损失一定的特征信息。
[0005]在申请号为“202111527527.6”的文件中，给出了基于MEMS的条纹结构光的图像降噪方法和装置，包括改进传统非局部均值滤波算法中的权值计算函数，从而提高传统非局部均值去噪算法的精度。该专利技术优化了权值函数从而消除激光图像中的散斑噪声，但同时也会消除一部分特征信息，并未将图像的低频信息得以完全保留。
[0006]因此，如何解决现有技术中消除噪声的同时会损失低频特征信息的问题，是本领域技术人员亟需解决的问题。
技术实现思路
[0007]有鉴于此，本专利技术提供了一种针对激光散斑的图像噪声抑制方法及系统，不仅能够针对性的消除激光图像中的散斑高频噪声，而且能够将尽可能地将图像的信息得以保留。
[0008]为了实现上述目的，本专利技术提供如下技术方案：
[0009]一种针对激光散斑的图像噪声抑制方法，包括以下步骤：
[0010]步骤1、获取两张相同位置的激光图像P1、P2；
[0011]步骤2、对两张所述的激光图像P1、P2进行二维离散小波变换，得到激光图像P1的高
频图像HH1、HL1、LH1，激光图像P1的低频图像LL1，激光图像P2的高频图像HH2、HL2、LH2，激光图像P2的低频图像LL2；
[0012]步骤3、对激光图像P1、P2的高频图像、低频图像进行融合，得到高频融合图像HH'、HL'、LH'和低频融合图像LL'；
[0013]步骤4、使用优化的非局部均值滤波算法，分别对高频融合图像HH'、HL'、LH'进行滤波，得到滤波后的高频融合图像HH”、HL”、LH”；
[0014]步骤5、通过小波逆变换，将低频融合图像LL'和滤波后的高频融合图像HH”、HL”、LH”进行还原恢复，得到还原图像P'；
[0015]步骤6、使用优化的非局部均值滤波算法，对还原图像P'进行滤波，得到最终的结果图像。
[0016]可选的，所述步骤3中，对激光图像P1、P2的高频图像、低频图像进行融合的具体方法为：
[0017]对于低频图像：采用取平均值的方法对激光图像P1的低频图像LL1和激光图像P2的低频图像LL2进行融合，LL'(x,y)＝[LL1(x,y)+LL2(x,y)]/2；
[0018]对于高频图像：采用权重值融合的方法，分别对激光图像P1的高频图像HH1和激光图像P2的高频图像HH2进行融合，对激光图像P1的高频图像HL1和激光图像P2的高频图像HL2进行融合，对激光图像P1的高频图像LH1和激光图像P2的高频图像LH2进行融合。
[0019]可选的，使用权重值融合的方法，对高频图像进行融合的具体过程为：
[0020]分别计算两个高频图像的权重值ξ1(x,y)、ξ2(x,y)；
[0021]依据两个高频图像的权重值ξ1(x,y)、ξ2(x,y)，求解两个高频图像的融合系数矩阵；
[0022]使用所述融合系数矩阵，对两个高频图像进行融合。
[0023]可选的，权重值的计算公式为ξ(x,y)＝|LH
u
(x,y)
‑
LH
η
(x,y)|，其中，LH
u
(x,y)为对高频图像均值滤波后的结果，LH
η
(x,y)为对高频图像中值滤波后的结果。
[0024]可选的，所述融合系数矩阵，表示为：
[0025][0026][0027]可选的，所述步骤4中，优化的非局部均值滤波算法是在传统非局部均值滤波算法的基础上，对权重函数进行改进，改进的权重函数由w
′
(x,y)表示：
[0028][0029]其中，n是权重控制参数；|N(x)
‑
N(y)||2表示邻域间的欧氏距离；Z(x)为归一化系数，h为平滑参数。
[0030]可选的，所述邻域间的欧氏距离表示为：
[0031][0032]所述归一化系数表示为：
[0033][0034]其中，ds为邻域窗口半径；d＝2*ds+1；S
t
为假设的一个像素差值的图像；x1，x2为不同像素的x坐标。
[0035]一种针对激光散斑的图像噪声抑制系统，包括：
[0036]图像获取模块，用于获取两张相同位置的激光图像P1、P2；
[0037]图像分解模块，用于对两张所述的激光图像P1、P2进行二维离散小波变换，得到激光图像P1的高频图像HH1、HL1、LH1，激光图像P1的低频图像LL1，激光图像P2的高频图像HH2、HL2、LH2，激光图像P2的低频图像LL2；
[0038]图像融合模块，用于对激光图像P1、P2的高频图像、低频图像进行融合，得到高频融合图像HH'、HL'、LH'和低频融合图像LL'；
[0039]高频融合图像滤波模块，用于使用优化的非局部均值滤波算法，分别对高频融合图像HH'、HL'、LH'进行滤波，得到滤波后的高频融合图像HH”、HL”、LH”；
[0040]图像还原模块，用于通过小波逆变换，将低频融合图像LL'和滤波后的高频融合图像HH”、HL”、LH”进行还原恢复，得到还原图像P'；
[0041]二次滤波模块，用于使用优化的非局部均值滤波算法，对还原图像P'进行滤波，得到最终的结果图像。
[0042]本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种针对激光散斑的图像噪声抑制方法，其特征在于，包括以下步骤：步骤1、获取两张相同位置的激光图像P1、P2；步骤2、对两张所述的激光图像P1、P2进行二维离散小波变换，得到激光图像P1的高频图像HH1、HL1、LH1，激光图像P1的低频图像LL1，激光图像P2的高频图像HH2、HL2、LH2，激光图像P2的低频图像LL2；步骤3、对激光图像P1、P2的高频图像、低频图像进行融合，得到高频融合图像HH'、HL'、LH'和低频融合图像LL'；步骤4、使用优化的非局部均值滤波算法，分别对高频融合图像HH'、HL'、LH'进行滤波，得到滤波后的高频融合图像HH”、HL”、LH”；步骤5、通过小波逆变换，将低频融合图像LL'和滤波后的高频融合图像HH”、HL”、LH”进行还原恢复，得到还原图像P'；步骤6、使用优化的非局部均值滤波算法，对还原图像P'进行滤波，得到最终的结果图像。2.根据权利要求1所述的一种针对激光散斑的图像噪声抑制方法，其特征在于，所述步骤3中，对激光图像P1、P2的高频图像、低频图像进行融合的具体方法为：对于低频图像：采用取平均值的方法对激光图像P1的低频图像LL1和激光图像P2的低频图像LL2进行融合，LL'(x,y)＝[LL1(x,y)+LL2(x,y)]/2；对于高频图像：采用权重值融合的方法，分别对激光图像P1的高频图像HH1和激光图像P2的高频图像HH2进行融合，对激光图像P1的高频图像HL1和激光图像P2的高频图像HL2进行融合，对激光图像P1的高频图像LH1和激光图像P2的高频图像LH2进行融合。3.根据权利要求2所述的一种针对激光散斑的图像噪声抑制方法，其特征在于，使用权重值融合的方法，对高频图像进行融合的具体过程为：分别计算两个高频图像的权重值ξ1(x,y)、ξ2(x,y)；依据两个高频图像的权重值ξ1(x,y)、ξ2(x,y)，求解两个高频图像的融合系数矩阵；使用所述融合系数矩阵，对两个高频图像进行融合。4.根据权利要求3所述的一种针对激光散斑的图像噪声抑制方法，其特征在于，权重值的计算公式为ξ(x,y)＝|LH
u
(x,y)
...
【专利技术属性】
技术研发人员：谢一博，程进，周顺，刘卫国，
申请(专利权)人：西安工业大学，
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。