一種深度圖像的去噪方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理的技術(shù)領(lǐng)域,具體地涉及一種深度圖像的去噪方法,特別適 用于通過(guò)Kinect和飛行時(shí)間攝像機(jī)(ToF camera)采集的人體深度圖像的去噪。
【背景技術(shù)】
[0002] 與傳統(tǒng)的灰度圖像、彩色圖像相比,深度圖像具有物體的三維特征信息,因而越來(lái) 越多的應(yīng)用于計(jì)算機(jī)視覺(jué)、計(jì)算機(jī)圖形學(xué)等領(lǐng)域。2010年11月,微軟公司生產(chǎn)的Kinect, 因其實(shí)時(shí)、低價(jià)等特性,已成為人們普遍應(yīng)用的深度圖像獲取設(shè)備之一。然而,由于環(huán)境光 線條件、遮擋等因素,Kinect采集的深度數(shù)據(jù)通常分辨率較低,并包含許多噪聲以及奇異像 素。
[0003] 對(duì)于圖像噪聲去除,在過(guò)去的二三十年中研宄人員提出了大量有效的圖像降噪算 法。經(jīng)典的平滑濾波器,如高斯濾波器,在去噪的同時(shí)也模糊了圖像。頻域?yàn)V波方法,如維納 濾波也易造成圖像高頻細(xì)節(jié)丟失。自適應(yīng)領(lǐng)域的濾波器,如經(jīng)典的雙邊濾波器(bilateral filter),它能根據(jù)像素點(diǎn)之間的相似度和空間距離自適應(yīng)地進(jìn)行濾波,能良好地保持圖像 局部結(jié)構(gòu)。由于運(yùn)算簡(jiǎn)單同時(shí)具有良好的效果,雙邊濾波器被廣泛地用于圖像光滑濾波。
[0004] 對(duì)于深度圖像的去噪,又具有它的自身特點(diǎn),深度圖像同時(shí)還要滿足和彩色圖像 一致,保留相同的細(xì)節(jié)和結(jié)構(gòu)。通常的圖像去噪算法,不可避免的帶來(lái)邊緣的平滑性模糊問(wèn) 題,為深度圖像的進(jìn)一步應(yīng)用帶來(lái)困難。
【發(fā)明內(nèi)容】
[0005] 本發(fā)明的技術(shù)解決問(wèn)題是:克服現(xiàn)有技術(shù)的不足,提供一種深度圖像的去噪方法, 其能夠減少圖像的邊緣模糊、適用于非零均值的高斯噪聲去噪、大大提升深度圖像質(zhì)量。
[0006] 本發(fā)明的技術(shù)解決方案是:這種深度圖像的去噪方法,包括以下步驟:
[0007] (1)對(duì)深度圖像進(jìn)行聯(lián)合雙邊濾波,對(duì)雙邊濾波器的作用域進(jìn)行約束,從而獲得濾 波圖像;
[0008] (2)用K-SVD方法訓(xùn)練字典,用基于該字典的稀疏表示來(lái)對(duì)步驟(1)的濾波圖像進(jìn) 行去噪,從而獲得重構(gòu)圖像。
[0009] 本發(fā)明通過(guò)聯(lián)合雙邊濾波和字典稀疏表示的聯(lián)合去噪方法,能夠減少圖像的邊緣 模糊、適用于非零均值的高斯噪聲去噪、大大提升深度圖像質(zhì)量。
【附圖說(shuō)明】
[0010] 圖1是根據(jù)本發(fā)明的深度圖像的去噪方法的一個(gè)優(yōu)選實(shí)施例的流程圖。
[0011] 圖2是步驟(2)中魯棒正交分解的一個(gè)實(shí)例流程圖。
[0012] 圖3是步驟(2)的一個(gè)實(shí)例流程圖。
【具體實(shí)施方式】
[0013] 這種深度圖像的去噪方法,包括以下步驟:
[0014] (1)對(duì)深度圖像進(jìn)行聯(lián)合雙邊濾波,對(duì)雙邊濾波器的作用域進(jìn)行約束,從而獲得濾 波圖像;
[0015] (2)用K-SVD方法訓(xùn)練字典,用基于該字典的稀疏表示來(lái)對(duì)步驟(1)的濾波圖像進(jìn) 行去噪,從而獲得重構(gòu)圖像。
[0016] 本發(fā)明通過(guò)聯(lián)合雙邊濾波和字典稀疏表示的聯(lián)合去噪方法,能夠減少圖像的邊緣 模糊、適用于非零均值的高斯噪聲去噪、大大提升深度圖像質(zhì)量。
[0017] 優(yōu)選地,所述步驟(1)的深度圖像包括兩種噪聲:第一種噪聲是因?yàn)楣饩€的反射 和遮擋造成的深度值缺失;第二種噪聲是由于光線折射造成的圖像邊緣輪廓突出從而與彩 色圖像形狀不一致;
[0018] 對(duì)于第一種噪聲根據(jù)公式(1)濾波:
【主權(quán)項(xiàng)】
1. 一種深度圖像的去噪方法,其特征在于:包括以下步驟: (1) 對(duì)深度圖像進(jìn)行聯(lián)合雙邊濾波,對(duì)雙邊濾波器的作用域進(jìn)行約束,從而獲得濾波圖 像; (2) 用K-SVD方法訓(xùn)練字典,用基于該字典的稀疏表示來(lái)對(duì)步驟(1)的濾波圖像進(jìn)行去 噪,從而獲得重構(gòu)圖像。
2. 根據(jù)權(quán)利要求1所述的深度圖像的去噪方法,其特征在于:所述步驟(1)的深度圖 像包括兩種噪聲:第一種噪聲是因?yàn)楣饩€的反射和遮擋造成的深度值缺失;第二種噪聲是 由于光線折射造成的圖像邊緣輪廓突出從而與彩色圖像形狀不一致; 對(duì)于第一種噪聲根據(jù)公式(1)濾波:
其中1表示是最終計(jì)算出的目標(biāo)位置P處的深度值,I ,,Dq分別代表位置q處的彩色 圖像和深度圖像的值,Ip表示目標(biāo)位置P出的彩色圖像亮度值,f是一個(gè)計(jì)算P的鄰域中相 對(duì)于P的距離的二元高斯核函數(shù),g是一個(gè)計(jì)算鄰域中q處與目標(biāo)位置P處的彩色圖像亮 度的相關(guān)性的一元高斯核函數(shù),k p是歸一化因子,是對(duì)一個(gè)傳統(tǒng)的矩形鄰域Ωρ進(jìn)行了 彩色和深度分別約束后得到的濾波鄰域,同時(shí)濾波鄰域中的像素個(gè)數(shù)必須大于一個(gè)固定閾 值ε 1;鄰域的約束條件是:鄰域中的像素與目標(biāo)點(diǎn),在彩色圖像上相近,深度值在此區(qū)域內(nèi) 處于一個(gè)較大的位置,數(shù)值上大于此區(qū)域內(nèi)不為奇異點(diǎn)的所有深度值的中位數(shù)一定數(shù)值, hist表示對(duì)數(shù)據(jù)進(jìn)按照直方圖統(tǒng)計(jì)的方式排序,得到大于區(qū)域內(nèi)比中位數(shù)大ε2,ε3則表 示對(duì)彩色亮度值與目標(biāo)像素的差值大??;對(duì)于第二種噪聲根據(jù)公式(2)濾波:
其中\(zhòng)表示是最終計(jì)算出的目標(biāo)位置P處的深度值I ,,Dq分別代表位置q處的彩色圖 像和深度圖像的值,Ip,Dp表示目標(biāo)位置p出的彩色圖像和深度圖像的值,f是一個(gè)計(jì)算p的 鄰域中相對(duì)于P的距離的二元高斯核函數(shù),g是一個(gè)計(jì)算鄰域中q處與目標(biāo)位置P處的彩 色圖像亮度的相關(guān)性的一元高斯核函數(shù),1^是歸一化因子,是對(duì)一個(gè)傳統(tǒng)的矩形鄰域Ω ρ 進(jìn)行了彩色和深度分別約束后得到的濾波鄰域,同時(shí)濾波鄰域中的像素個(gè)數(shù)必須大于一個(gè) 固定閾值ε4;鄰域的約束條件是:鄰域中的像素與目標(biāo)點(diǎn),在彩色圖像上相近,亮度差的二 范數(shù)的平方小于ε 6,深度值在此區(qū)域內(nèi)處于一個(gè)較大的位置,數(shù)值上大于比目標(biāo)像素的深 度值大一定數(shù)值ε 5。
3. 根據(jù)權(quán)利要求3所述的深度圖像的去噪方法,其特征在于:所述步驟(2)中: 對(duì)于含噪圖像模型,Y = Χ+ν,其中X表示理想的無(wú)噪圖像,Y是含噪圖像,V是圖像噪 聲;無(wú)噪圖像由一組過(guò)完備冗余基生成并且表示系數(shù)中只有少量非零,含噪圖像表示為Y =D α +ν,D為K-SVD算法訓(xùn)練字典D,根據(jù)公式(3)獲得一個(gè)貪婪追蹤算法計(jì)算系數(shù)α min ||o:,:j||〇 siibjert to Dq〇 a Y" V(Lj·) (3) fhi ' ' * 貪婪算法的基本原則是:從字典矩陣D,選擇一個(gè)與信號(hào)y最匹配的原子,構(gòu)建一個(gè)稀 疏逼近,并求出信號(hào)殘差,然后繼續(xù)選擇與信號(hào)殘差最匹配的原子,反復(fù)迭代,信號(hào)y由這 些原子來(lái)線性和,再加上最后的殘差值來(lái)表示; 在魯棒正交匹配追蹤中對(duì)每一次選擇與殘差最匹配的原子后對(duì)求出的殘差進(jìn)行分析, 當(dāng)殘差向量中存在部分?jǐn)?shù)據(jù)較大且這樣的數(shù)據(jù)個(gè)數(shù)較少且是離散分布時(shí),將這些數(shù)據(jù)置為 〇,并反映到該次匹配前的殘差中去,從殘差中減去因這些數(shù)據(jù)調(diào)整而產(chǎn)生的增量,然后對(duì) 調(diào)整后的殘差重新選擇最佳匹配的原子并進(jìn)行正交化分解。
【專利摘要】本發(fā)明公開(kāi)了一種深度圖像的去噪方法,其能夠減少圖像的邊緣模糊、適用于非零均值的高斯噪聲去噪、大大提升深度圖像質(zhì)量。這種深度圖像的去噪方法,包括步驟:(1)對(duì)深度圖像進(jìn)行聯(lián)合雙邊濾波,對(duì)雙邊濾波器的作用域進(jìn)行約束,從而獲得濾波圖像;(2)用K-SVD方法訓(xùn)練字典,用基于該字典的稀疏表示來(lái)對(duì)步驟(1)的濾波圖像進(jìn)行去噪,從而獲得重構(gòu)圖像。
【IPC分類】G06T5-00
【公開(kāi)號(hào)】CN104732492
【申請(qǐng)?zhí)枴緾N201510103661
【發(fā)明人】施云惠, 李華陽(yáng), 王少帆, 孔德慧, 尹寶才
【申請(qǐng)人】北京工業(yè)大學(xué)
【公開(kāi)日】2015年6月24日
【申請(qǐng)日】2015年3月9日