面向室内场景三维重建的分区联合双边滤波方法

基于RGB-D传感器的三维重建在高精度制图中应用广泛,然而深度相机采集的图像存在深度值缺失和噪声等问题,影响了三维点云建图的准确度。针对此问题,提出分区联合双边滤波算法。该算法依据深度图像和灰度图像的左右差异分析像素置信度,并对深度图像中缺失像素做插值处理,实现了对图像基于置信度的分区联合双边滤波。采用Middbur标准数据库和Fast Sensor Motion Dataset数据集进行定性分析和定量对比,证明分区联合双边滤波算法有效平滑了噪声。将该算法应用于三维重建,实验结果表明该算法有效修复了深度图像,提高了三维点云建图和位姿估计的精度。

基于泊松噪声-双边滤波算法的桥梁裂缝修补痕迹图像分割方法

裂缝作为混凝土桥梁的主要病害大量存在,部分裂缝修补后会二次开裂,在病害智能识别中,裂缝修补痕迹易与混凝土剥落等缺陷混淆,因此,裂缝修补痕迹的准确识别不仅是二次裂缝准确识别的基础,也是混凝土桥梁整体病害识别的重要环节。为了获取边缘清晰连续的裂缝修补痕迹,先对裂缝修补痕迹的图像添加泊松噪声,再利用双边滤波对添加的噪声及原有噪声进行平滑。然后用Otsu算法对裂缝修补痕迹进行图像分割,并使用峰值信噪比(PSNR)和结构相似性(SSIM)评价滤波效果,使用运行时间和最大连续可用内存块(LCFB)使用情况评价分割效果。最后以河南省某高速公路桥梁历年定检中的裂缝修补痕迹图像为例,对方法进行实际验证。结果显示:经过泊松噪声-双边滤波算法处理后,裂缝修补痕迹图像PSNR值最高约35.0901 dB,SSIM值可达约0.8801,说明添加泊松噪声可改善图像质量并优化双边滤波效果;经过Otsu算法进行图像分割的运行时间比其他方法约短25%~50%,LCFB比其他方法约提高0.25%;经过处理的裂缝修补痕迹图像达到理想预期效果,验证了提出方法的有效性和可行性。

基于快速联合双边滤波器和改进PCNN的红外与可见光图像融合

针对红外与可见光图像融合结果中细节丢失、目标不显著和对比度低等问题,提出了一种结合快速联合双边滤波器(fast joint bilateral filter,FJBF)和改进脉冲耦合神经网络(pulse coupled neural network,PCNN)的红外与可见光图像融合方法,在保证融合图像质量的前提下有效提高运行效率。首先,利用快速联合双边滤波器对源图像进行分解;其次,为了更好地提取图像中显著结构和目标信息,针对基础层图像采用一种基于视觉显著图(visual significance map,VSM)的加权平均融合规则,针对细节层图像采用改进脉冲耦合神经网络模型进行融合,其中PCNN的所有参数都可以根据输入波段自适应调节;最后,将基础层融合图与细节层融合图叠加重构得到融合图像。实验结果表明,该方法提高了融合图像的效果,有效地保留了目标、背景细节和边缘等重要信息。

基于FPGA的分段近似双边滤波算法设计与实现

为了增强图像显示的质量以及减少基于现场可编程逻辑器件(FPGA)双边滤波算法中硬件资源的消耗,设计了一种分段近似的双边滤波算法。通过分段近似计算减少了双边滤波中值域的存储容量以及输出的数据位宽,从而降低了计算复杂度和硬件资源消耗。在Zynq-7000和Sparten-7的FPGA平台上实现了分段近似的双边滤波算法,研究了不同高斯噪声及在其最佳的值域标准差下的滤波和边缘保持性能。结果表明,本文算法在性能上与传统的双边滤波算法相当,并且与传统的双边滤波算法相比,其查找表(LUT)和数字信号处理模块(DSP)的使用量减少了9.9%和71.1%,且功耗仅为0.128 W。本文算法适合用于硬件资源有限的图像滤波应用场景。

基于双边滤波石质文物逆向建模及其稳定性分析

石质文物的长期稳定性问题是文物保护工作中的重点。以大足石刻卧佛前的目犍连菩萨像为研究对象,基于双边滤波算法,将三维激光扫描仪获取的点云数据导入PCL平台,实现文物表面噪声点的去除,建立包含裂隙结构面在内的菩萨像三维精细化实体模型。基于强度折减原理采用有限差分软件FLAC3D,对菩萨像现存状态展开稳定性分析,结果表明:1)双边滤波法去噪后的菩萨像模型平均偏差为-5.0~4.0 mm,标准值为1.1 mm,在去除噪声的同时完整保留了文物表面特征;2)重力荷载下,菩萨像颈部受压,项部受拉;头部裂隙的出现导致内部应力发生重分布,峰值拉应力由项部移动至裂隙端;3)菩萨像头部位移变化与折减系数呈正相关,当折减系数为1.28时,头部位移敏感度急剧增大,向临空面倾倒;4)菩萨像破坏面沿裂隙端、颈部向内部延伸,塑性区体积、最大剪应变增量逐步增大,在两区域形成抛物线贯通破坏面。该研究方法为小型、具有复杂几何特征的石质文物稳定性分析提供思路。

基于小波变换和改进双边滤波的红外图像增强算法

针对炮车打靶、夜间车辆侦察、航空航天、士兵巡逻过程中红外图像边缘模糊、对比度低、细节不清晰等问题,本文提出了基于小波变换改进双边滤波的Retinex图像增强算法和改进阈值函数去噪算法。将红外图像进行小波分解,获得红外图像的低、高频系数;对高频进行改进阈值函数增强处理,实现自适应选取像素值域标准差对红外图像进行去噪处理;对低频采用改进双边滤波Retinex图像增强算法处理,平滑红外图像保持图像细节;对高、低频图像进行小波重构,得到重构红外图像;最后进行模糊集函数处理,增强红外图像的对比度。实验结果表明,本文改进算法与对比度受限的自适应直方图均衡方法、多尺度Retinex图像增强方法等相比,有效去除了噪声、细节丰富、背景抑制能力以及对比度提升效果好。

基于斜卷积双边滤波的特种机器人视觉引导算法的改进与优化

移动机器人可以在确保个人安全下有效减少人类的劳动行为,已经广泛应用到运输、救援、勘探、工业自动化等领域。针对特种越障机器人在城镇和工厂等以平面为主的非结构化场景下作业,提出一种依靠视觉引导的图像处理与障碍高度评估新方法。在图像预处理流程中,为了更好地保留特定朝向的图像边缘,在双边滤波算法的基础上,引入了一种呈高斯分布的斜卷积空域卷积核,改进为斜卷积双边滤波,并与其他边缘保持滤波算法进行比较。实验结果表明:不同算法信噪比一致时,斜卷积双边滤波算法的PFOM(pratt’s figure of merit)均值高于引导滤波与加权最小二乘滤波;当σ(标准差)=0.02时,斜卷积双边滤波的PFOM比引导滤波高出12.18%,比加权最小二乘滤波高4.4%。对具有普遍性的台阶沿向与沿向垂直使用斜卷积双边滤波处理后提取边缘,越障机器人在不同光照条件下进行不同高度台阶越障实验。实验表明:机器人在视觉系统引导下可快速正对台阶,越障成功率为100%。

基于变换折衷阈值的多分辨图像双边滤波仿真

为了有效解决多分辨图像内存在噪声的问题,提出一种基于视觉灵敏度的多分辨图像双边滤波算法。通过粗糙集理论初步判断多分辨图像内的噪声,利用视觉灵敏度对判断结果展开修正。通过双边滤波器将噪声图像分解为高低频两个部分,高频部分使用Curvelet变换折衷阈值,根据设定的阈值保留多分辨图像中更多的边缘纹理细节。将低频图像和处理后的高频图像重构,获取经过滤波处理后的多分辨图像。实验结果表明,所提算法可以精准检测出多分辨图像内存在的噪声,同时能够获取满意的多分辨图像滤波结果。

基于统计滤波与双边滤波的点云降噪算法

在获取原始三维点云数据时易受环境、设备精度等因素影响,难免会引入噪声点。为使三维点云数据能够准确表征信息,提出了一种基于统计滤波与双边滤波点云降噪算法。该算法首先使用统计滤波快速去除离群噪声点,然后使用自适应迭代估计算法对点云模型进行法矢和曲率估计,利用改进滤波因子增强算法鲁棒性,最后利用改进双边滤波完成对点云模型的平滑光顺。实验结果表明,该算法去噪效果优于其他传统滤波算法,并且能够保留点云特征信息。

基于双边滤波和Frangi滤波的织物疵点检测方法

为提高织物疵点检测效率,提出了一种基于双边滤波和多尺度线性滤波(Frangi)相结合的织物疵点检测方法。首先,采用双边滤波对织物图像进行处理,以减少织物背景纹理信息对检测结果的影响;然后,应用多尺度线性滤波器对经双边滤波后的织物图像进行二次滤波,增强织物疵点区域信息;最后,使用最大熵法对增强后的织物图像进行分割,定位出织物疵点区域。通过对油污、破洞、线头、断经、双纬、节纱、吊经织物图像进行实验,发现该方法能快速有效检测出疵点信息。

梯度双边滤波的图像去噪

为了改善双边滤波的去噪性能,引入图像的局部模式,提出了梯度双边滤波算法。采用相邻像素亮度值的梯度距离来构造梯度相似度核,通过几何邻近度核函数和梯度相似度核函数来对图像邻域像素进行加权平均,从而实现滤波;为了获得最佳的滤波参数,通过经验学习的方法对滤波参数进行选择,最终得到通用的参数配置。实验结果表明,新方法能很好地保持图像的边缘,且与传统去噪模型相比,其去噪性能也是最好的。

改进自适应双边滤波Canny算子在自动化设备中的应用

为提升镜头图像边缘检测效果与自动化设备组装合格率,提出了基于自适应双边滤波Canny算子的检测方法。首先采用双边滤波处理图像强度并保存边缘信息,进行加权平均去除噪声,然后采用改进Canny算子检测图像中的边缘细节信息,抑制非边缘部分的噪声干扰,自适应调整滤波程度,得到更准确的边缘检测结果,最后利用霍夫曼变换检测镜片图像的圆心和切口位置信息,提高了组装效率和准确性。结果表明,该算法为镜头自动化组装提供了一种有效的解决方案,具有较高的实用价值。

基于两次双边滤波的煤矿监控图像去雾研究

煤矿井下智能视频监控系统在各大煤矿得到广泛的应用,然而由于井下条件恶劣,视频监控中经常遇到伴有各种随机噪声的尘雾图像。针对降质严重、视觉效果差的监控图像,提出一种基于两次双边滤波的快速图像去雾方法(FDA-DBA)。首先利用四叉树方法获取全局环境光亮度,然后对最小通道图采用双边滤波器获取粗略的大气散射图并进一步优化;其次利用容差机制进行透射率修正,解决明亮区域处理后颜色失真问题;最后利用大气散射模型复原雾尘图像。实验表明,该算法能较准确地恢复场景的色彩和清晰度,可获得较真实的清晰无雾图像,具有较高的准确性和鲁棒性,并且算法的时间复杂度与图像像素数呈线性函数,适合于煤矿智能视频监控环境。

一种小波域改进双边滤波的水果图像去噪算法

采用机器人实现水果的自动化精确采摘是现代水果采摘技术发展的基本趋势之一。但由于成像条件以及机器人自身电子电路等因素的影响,使得所获取的图像或多或少存在大量噪声。将小波变换与双边滤波算法有机结合,提出了一种针对水果图像中颗粒噪声的滤波算法。该算法首先对噪声图像实现小波分解,对于各高频子图像,给出了相似像素的基本定义并分别设计出尺寸为5的多方向的相似像素检测窗口;然后根据检测窗口中相似像素的个数与检测窗口全部像素点个数的比值大小,分别采用自适应双边滤波算法和改进加权中值滤波算法加以处理。最后实现小波系数重构。实验仿真结果表明,该滤波算法性能优于双边滤波算法以及小波域双边滤波算法,对于农产品视觉图像、基于流媒体技术设施现场采集的图像处理等领域也具有一定的参考价值。

Fisher-Tippet分布拟合的超声图像联合双边滤波方法

由于双边滤波的固有不足以及Rayleigh分布散斑拟合存在的较大误差,致使SRBF方法对超声图像的散斑消减不够理想。针对该问题,采用联合双边滤波以及Fisher-Tippet分布散斑拟合来有效改进SRBF方法。联合双边滤波利用导向图像计算权值,有效减小双边滤波利用噪声图像计算权值产生的偏差。由散斑包络信号满足Rayleigh分布导出散斑图像满足Fisher-Tippet分布,更精确描述散斑统计特性。合成图像和真实图像的实验结果通过多种定量指标评估,验证了提出算法对SRBF在两个方面的改进都能有效提高散斑消减性能。

瑞利微调双边滤波超声图像降噪去斑算法

为有效抑制超声图像的噪声和斑点,提出了一种新的瑞利微调双边滤波器(Rayleigh-trimmed bilateral filter,RBF)。方法采用先噪声检测再针对性滤波的两步骤方案,并充分利用了噪声及斑点的分布统计特性。根据排序象限中值向量(SQMV)准则计算出滤波窗口的相关中值,通过比较该值和目标像素值,可将目标像素分为噪声、斑点和边缘像素;用双边滤波器和瑞利微调滤波器分别滤除噪声和斑点而保持边缘像素不变。用合成和真实超声图像的视觉效果和客观指标评估提出方法的性能,实验结果表明,该算法能有效地滤除超声图像的斑点和噪声并且较好地保留图像的边缘细节特征。

基于面法向规范化的重加权全局双边滤波

在网格去噪中,由于面法向对于噪声非常敏感,当网格噪声较大时,依赖于2个高斯函数的双边滤波器难以找到合适的方差参数来自适应地区分噪声和特征附近的法向变化,导致出现无法有效地去除噪声或者破坏网格的结构特征的问题.为此,提出一种改进的基于面法向的全局双边滤波算法.首先通过面法向规范化加强对噪声和特征附近面法向变化的区分,应用规范化后的法向量计算双边滤波中刻画法向变化的权重,以克服参数选择难题;其次根据重加权的思想加大对噪声的惩罚力度,进一步提高了降噪效果.大量实验结果表明,该算法无论从视觉上还是从数值上都取得了比现有算法更好的降噪结果.

基于边缘检测与双边滤波的彩色图像去噪

针对彩色图像双边滤波去噪方法存在的不足,本文提出一种边缘检测与双边滤波相结合的彩色图像去噪方法.首先利用细胞神经网络(CNN)模型导出一种新的彩色图像分块自适应边缘检测算法,继承了CNN灰度边缘检测算法定位准确的优点,又弥补了CNN现有算法不能直接处理彩色图像的空白.接下来提出一种针对图像增强的边缘滤波算法,通过两级边缘检测满足去噪不同阶段对边缘检测的不同要求.在此基础上,用改进的双边滤波器对彩色图像进行去噪,通过非抗噪边缘图对噪声范围进行定位,以缩小双边滤波的范围,减少去噪过程带来的图像模糊,并且对双边滤波加权平均方式进行改进,减小噪声点本身的权重,降低高频噪声的影响.最后根据滤波后的去噪边缘图对彩色图像进行增强.实验结果表明,文中方法在有效去除噪声的同时保护和增强了图像中的边缘.

一种新的自适应双边滤波算法

现有的双边滤波算法需要预先设置空间方差和灰度方差参数,滤波时参数固定且不能保证是最优的参数设置.文中提出一种新的自适应双边滤波算法(adaptive bilateral filtering,ABF),通过目标尺度信息实现空间方差局部自适应取值,保留更多的图像边缘特征;采用图像分块技术估计噪声方差,根据噪声方差自适应地设置灰度方差,以保证滤除噪声的性能;通过强制增大空间方差滤除较强噪声点.ABF不必像传统双边滤波算法那样根据经验设置参数,而是根据图像局部特征自适应地设置空间参数,不仅提高了滤除噪声的能力,而且更好地保留了图像边缘特征.仿真实验表明,无论是主观评价还是客观评价,所提出的方法均优于传统的双边滤波算法、各向异性扩散算法和改进的双边滤波算法.

基于特征选择的双边滤波点云去噪算法

为了去除与真实点混合在一起的噪声并更好地保留特征,将点云噪声分为3类,将其中与真实点混合在一起的数据点称为第3类噪声点,利用改进的双边滤波算法去除该类噪声点.首先,利用邻域点判断该点属于特征点还是非特征点;然后,根据不同范围的点云来计算特征点和非特征点的双边滤波因子,实现基于特征选择的双边滤波点云去噪.利用该算法对手持三维激光扫描仪获得的盒子及工业构件的激光点云数据进行平滑去噪处理.结果表明,所提算法在去除噪声的同时可以有效保持被扫描物体的特征,避免出现因双边滤波不能兼顾邻域点特征而产生的过度光顺现象.