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。

基于曲波变换 联合双边滤波的二维地震数据随机噪声去除方法研究

在地震数据去噪处理中,曲波变换硬阈值法容易导致弱同相轴模糊,为此,提出了一种基于曲波变换联合双边滤波的地震随机噪声去除方法。曲波系数尺度分析结果表明,粗尺度信号主要表征地震数据构造特征;中尺度信号通常包含大量的弱同相轴的信息;细尺度信号通常包含噪声信息。曲波变换联合双边滤波方法对粗尺度信号进行双边滤波处理,对中间尺度信号进行联合双边滤波处理,对细尺度信号应用硬阈值处理。曲波变换可以较好地处理多方向的线状变化特征,而联合双边滤波具备引导图,可以修复有效信息的关键特征,提高弱同相轴的连续性。叠前和叠后数值模拟测试和实际地震数据处理结果表明,曲波变换联合双边滤波方法的去噪结果优于曲波变换硬阈值法和小波变换方法,具有更高的信噪比和峰值信噪比。该方法克服了曲波变换硬阈值法的局限性,不仅能够较好地去除随机噪声,而且增强了弱同相轴的能量,提高了弱同相轴的连续性。

一种基于改进GFF和联合双边滤波的红外与可见光图像融合算法

针对传统红外与可见光融合图像伪影较多、边缘信息不够丰富等问题,提出一种基于改进GFF和联合双边滤波的图像融合算法.首先,使用高斯拉普拉斯算子、二维高斯算子分别对源图像进行高低通滤波.然后,对两幅图的低通滤波结果归一化,得到的显著图,再对显著图进行导向滤波并计算近似值,获得基础层和细节层的决策图,使用联合双边滤波器优化基础层决策图.其次,使用圆形均值滤波器对源图像进行多尺度分解,分解结果与决策图加权相加获得基础层和细节层的融合图像.最后,将两层融合图像进行线性叠加,得到最终的融合图像.实验结果表明,所提出的算法在客观评价指标上优于经典的融合算法,在视觉感知上边缘信息更加突出、细节轮廓更加明显.

基于联合双边滤波器的Kinect深度图像滤波算法

针对Kinect镜头采集的深度图像一般有噪声和黑洞现象,直接应用于人体动作跟踪和识别等系统中效果差的问题,提出一种基于联合双边滤波器的深度图像滤波算法。算法利用联合双边滤波原理,将Kinect镜头同一时刻采集的深度图像和彩色图像作为输入,首先,用高斯核函数计算出深度图像的空间距离权值和RGB彩色图像的灰度权值;然后,将这两个权值相乘得到联合滤波权值,并利用快速高斯变换替换高斯核函数,设计出联合双边滤波器;最后,用此滤波器的滤波结果与噪声图像进行卷积运算实现Kinect深度图像滤波。实验结果表明,所提算法应用在人体动作识别和跟踪系统后,可显著提高在背景复杂场景中的抗噪能力,识别正确率提高17.3%,同时所提算法的平均耗时为371 ms,远低于同类算法。所提算法保持了联合双边滤波平滑保边的优点,由于引入彩色图像作为引导图像,去噪的同时也能对黑洞进行修补,因此该算法在Kinect深度图像上的去噪和修复效果优于经典的双边滤波算法和联合双边滤波算法,且实时性强。

基于区间梯度的联合双边滤波图像纹理去除方法

图像纹理去除是指保留图像的语义结构并去除图像中的纹理和噪声部分,从而将纹理区域与结构特征划分开,是计算成像和图像分析的基础研究问题。近年来,在该领域中出现了许多优秀的算法,但它们在结构纹理的区分效果、纹理滤除的干净程度和算法运行的效率等方面仍存在一些问题和矛盾。鉴于此,提出一种基于区间梯度的滤波方法来去除图像纹理。首先,为简化先验模型的复杂度,将区间梯度的概念应用到结构提取模型中,实现了纹理与结构的二元化标记,为下一步单独对纹理区域进行滤波处理做准备。其次,针对复杂多变的纹理部分,将最值替换机制融入到联合双边滤波算法中,即在目标像素的邻域中选取颜色差异最大的像素作为颜色权重分布的中心点,使其在滤波过程中起主导作用。实验证明,所提方法能应用于多种纹理图像,可有效缓解强纹理去除与运算效率之间的矛盾,同时,因在达到相近纹理去除效果时所需迭代次数更少,其在同类滤波方法中取得了更好的边缘保持效果。

联合双边滤波器耦合多分辨率的图像降噪算法

针对当前图像降噪技术难以保留边缘平滑区和高频变化区的纹理细节的不足,提出联合双边滤波器(joint bilateral filter,JBF)与多分辨率分析的图像降噪算法。利用参考图像作为参数估计,根据参考图像的丰富高频信息,考虑像素间的距离与亮度相似性,准确计算联合双边滤波器的权值,有效避免在滤波过程中对边缘平滑;引入小波变换、轮廓波变换和非下采样轮廓波变换的多分辨率分析(MRA),解决不同分辨率下的不同频率的图像降噪。实验结果表明,与当前图像降噪技术相比,该算法拥有更好的视觉效果,能较好地保留平滑区和高频变化区的细节信息。

贝叶斯迭代联合双边滤波的散焦图像快速盲复原

实现有效的单幅散焦图像盲复原对军事及地质勘测领域的清晰图像获取具有极为重要的意义.常用算法存在计算量大、振铃及噪声敏感的问题,为此本文提出了贝叶斯框架下迭代双边滤波器的快速盲复原算法.它首先用基于深度信息的盲去卷积结果估计点扩散函数的概率模型,进而通过贝叶斯理论构建合理的盲复原最小优化问题;然后推理分析最小优化问题的求解实质,得出双边滤波器快速求解最小优化问题的结论;最后设计迭代联合双边滤波器的求解方式,即利用一次双边滤波器求解的复原结果设计联合双边滤波器的指导图,再将其作为优化问题的输入,迭代实施求解.实验结果表明:该算法能有效抑制振铃,减少计算量,去除噪声,85%图像的像素误差平均值低于0.03,较常用盲去卷积法在同一误差区间的复原成功率提高了19%,运行时间缩短了约78%,能有效用于单幅散焦图像盲复原的实际工程实践中.

基于自适应主动学习与联合双边滤波的高光谱图像分类

在高光谱图像分类中,选择合适的样本作为训练样本对分类器进行训练非常重要。将样本的不确定性与代表性相结合,通过自适应主动学习方法来完成样本的选择。用核K均值聚类来获取具有代表性的样本,用最优标号和次优标号的概率差值与两者比值的加权和来度量不确定性。此外,为了提高分类的准确率,利用联合双边滤波来获取高光谱图像的空间信息,并将其融入分类过程中。最后,提出一种融合自适应主动学习与联合双边滤波的空谱结合高光谱图像分类方法,并通过实验验证了所提方法的优越性。

一种基于联合双边滤波的网格细节过滤方法

三维扫描技术被广泛应用于三维模型构造,使得三维模型拥有很多细节,但是用户在对三维模型进行模块控制时,常需要忽略掉那些细节,因此,需要对精细网格进行细节过滤。该文提出一种基于联合双边滤波的网格细节过滤方法。它使用原网格的高斯滤波结果作为后续双边滤波的法向量成分,再进行滤波,以得到最终结果。实验结果表明该方法不仅可以去除噪声,过滤细节,同时还能够保持原网格的大体信息,利于得到模型有语义的网格块。

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。

基于联合双边滤波的融合图像跟踪算法研究

为了提高跟踪精度,提出一种基于联合双边滤波的融合图像自动跟踪算法。采用帧间差分法并通过形态学处理获得运动目标大致区域,在此基础上采集目标区域及相邻背景区域的代表颜色集合,由此生成草图作为联合双边滤波的引导图,进而生成完整的目标描述,通过边缘检测获得精确的跟踪结果。实验结果表明,方法能够获得清晰准确的跟踪结果,能够较好地避免跟踪中的漂移问题,且算法复杂度低,跟踪精度高。

分层联合双边滤波的深度图修复算法研究

三维场景建模及三维多目标检测识别等研究中需要获取高精度、高分辨率深度图,针对RGB-D传感器提供的深度信息存在分辨率低、深度值缺失和噪声干扰等问题,提出一种基于深度置信度的分层联合双边滤波深度图修复算法。基于深度信息获取存在的问题提出相应的深度退化模型,采用深度置信度测量对深度像素进行置信度分类,根据深度置信度确定滤波器窗口权重值,利用提出的分层联合双边滤波算法在待修复区域完成深度图修复。采用Middlebury标准数据库和自采数据库进行定性对比实验和定量结果分析表明,该算法对深度图修复后边缘更加清晰合理,消除了边缘模糊和纹理伪像,有效提高了三维深度图修复的精确度。

基于kinect深度图像的联合双边滤波算法的研究

针对Kinect镜头采集的深度图像含有噪点和黑洞问题,提出一种改进的联合双边滤波算法。新算法基于已有的联合双边滤波算法,将RGB彩色图像作为引导图像,利用高斯核函数,权值系数由深度图像空间域权值和彩色图像灰度域权值组成。在此基础上,利用高斯核函数的分离特性,使算法的运行速度得到提高。实验表明,该算法不仅提高去噪效果,而且减少运行时间。

一种基于改进联合双边滤波的雷达图像去噪方法

提出一种基于改进联合双边滤波的雷达图像去噪方法,该方法把雷达幅度数据映射成为图像数据,从图像处理的角度引入雷达多普勒速度作为引导图,通过计算此引导图的全局阈值,并以此阈值作为门限,与原始幅度数据相结合,计算值域权重得到值域核,与空间核相乘得到卷积模版,从而实现检测区域增强。经实验验证,该方法可以有效保护目标边缘并弱化噪声,显著提高信噪比。

基于联合双边滤波器上采样的纹理图像修复合成算法

基于双边滤波器上采样算法提出了一种修复图像纹理的合成方法,以计算的样本纹理作为引导纹理,对低分辨率的待修复纹理图像区域的纹理进行插值运算,实现高分辨率的修复。仿真结果表明,该法提高了待修复纹理图像区域的分辨率。

改进联合双边上采样滤波的Kinect深度图像增强算法研究

Kinect深度摄像机可以实时获取到稠密深度图像,但该RGB-D相机获取的初始三维点云数据量庞大,其深度图像饱受无效像素、噪声和边缘不匹配等因素影响,直接对其进行操作会降低后续摄像机追踪以及配准的精度。因此,提出了一种有效提高Kinect深度图像质量的基于快速联合双边上采样滤波的深度图像增强算法。利用其对应的彩色图像,采用区域生长方法检测并去除深度值错误的像素;为了准确估计无效像素的值,采用联合双边滤波器对孔洞进行填充;利用传统高斯核函数的分离特性,并通过将其更换为快速高斯变换函数实现计算的复杂度的降低,并且有效地降低了深度图像的噪声。实验结果表明,提出的方法通过成功地填充孔洞,消除了不匹配的边缘,降低了噪声,显著提高了深度图像的质量,并且降低了运行时间。

基于联合双边滤波的单幅图像去雾算法

针对在烟、雾、霾等恶劣的户外条件下,由于大气粒子的散射作用导致捕获的景物图像严重退化的问题.本文提出一种新的单幅图像去雾算法,该算法从大气散射模型出发,首先对降质图像进行白平衡,从而简化了大气散射模型;然后利用非线性空间滤波方法估计粗糙的大气幕亮度,用联合双边滤波方法进一步细化大气幕亮度;最后采用色度调和得到恢复图像.该算法的时间复杂度是图像像素的线性函数,运算速度较快.试验结果表明,该算法有效地恢复了场景的对比度和颜色,从而明显地提高了图像的视见度.

采用自适应可靠因子的联合双边散斑条纹滤波方法

在基于电子散斑干涉法的测量系统中,干涉条纹常常会存在大量噪声从而影响后续相位的提取。为解决双边滤波无法处理大噪声的问题,提出了一种融合加窗傅里叶滤波的联合双边滤波方法并用于处理存在高噪声的电子散斑干涉条纹。在该方法中,引入加窗傅里叶初步滤波后的图像作为联合双边滤波的导向图,并构建更可靠的自适应像素值相似度因子,从而提供更可靠的引导信息和更好的滤波效果。该方法被应用到高、中、低、可变密度4种不同密度的模拟条纹和实验采集到的大噪声条纹上,并将其与原始双边滤波和加窗傅里叶滤波相对比。实验结果表明:与其它滤波方法相比,该方法得到的条纹最光滑,结构最完整。对本文模拟的条纹滤波后峰值信噪比提高1.0~4.2 dB,结构相似度和边缘保持指数最高,相位的均方误差最小。所提出的方法调整更方便,对330×330大小的模拟条纹处理时间仅为4 s左右。

基于自适应联合双边滤波的深度图像空洞填充与优化算法

针对联合双边滤波修复深度图像时无法准确估计滤波邻域范围和权重参数、深度图像的空洞填充效果不佳等问题,提出一种自适应深度图像空洞填充与优化算法。该算法减少了输入参数,实现了对每个深度缺失值的修复,根据有效像素占比确定每个空洞像素点的滤波邻域范围,通过邻域大小计算空间距离权重项参数,引入结构相似度(SSIM)作为颜色相似权重项参数的计算指标。在Middlebury立体匹配数据集和经过配准的Kinect RGB-D数据集上检测所提算法的性能,并与其他方法进行定性比较和定量分析。实验结果表明,所提算法能够有效填充深度缺失空洞,抑制深度图像噪声,更加精细、准确地改善深度图像的质量。