基于多圖配準復原三維圖像的方法
【技術領域】
[0001] 本發明屬于數字圖像處理領域，涉及一種三維圖像復原方法。
【背景技術】
[0002] 在圖像獲取的過程中由于硬件設備的固有原因和外部噪聲的干擾，都會引起成像 質量下降或者信息缺損。對于大多數成像系統，單純從硬件方面來考慮解決這些問題，將帶 來巨大的成本和技術壓力，因此研究圖像復原算法來解決前面所提出的問題有著極大的現 實意義和應用價值。尤其是在三維圖像領域，在獲取圖像的過程中更易被干擾，提高設備性 能的成本更高，而對三維圖像復原的研究卻遠沒有二維圖像成熟。因此對三維圖像的復原 在圖像處理方面更需要被研究。
[0003] 對于獲取三維圖像時圖像受到噪聲干擾，已經有了一些去噪的方法，當前主要的 去噪算法包括BM3D，由Dabov等人在2006年提出，其核心思想利用圖像的相關性和統計特 征對圖像分塊、分組匹配，形成三維塊，再利用相關性對塊層進行三維濾波去噪，保留了很 好的低頻輪廓信息，又保留了一定的細節紋理，但仍缺失了較多的信息。
【發明內容】
[0004] 技術問題：本發明提供一種能夠去除噪聲、保留圖像原始信息的基于多圖配準復 原三維圖像的方法。
[0005] 技術方案：本發明的基于多圖配準復原三維圖像的方法，包括以下步驟：
[0006] (1)以獲取被復原三維圖像時圖像采集設備的位置為基準，偏轉圖像采集設備的 角度、移動攝像頭的位置，得到多幅用來輔助復原的輔助圖像；
[0007] (2)以被復原三維圖像為基圖像，根據圖像采集設備的旋轉角度、移動矢量，創建 各輔助圖像對應的坐標系轉換矩陣，對輔助圖像分別進行粗配準；
[0008] (3)運用"偏移矢量"概念和隨機算法，以基圖像為標尺，對每個粗配準后的輔助圖 像分別進行基圖像的點與輔助圖像的點之間的精配準，得到輔助圖像上所有點的偏移矢量 和估計偏移量；
[0009] (4)進行每個輔助圖像和基圖像之間的面與面精配準，最終得到一組精配準的圖 像；
[0010] (5)有損去噪：針對基圖像和所述步驟（4)得到的一組精配準的圖像，利用腐蝕法 將圖像上的位置隨機出現、形狀為點狀、線狀的噪聲去除；
[0011] (6)圖像信息修補：用經過有損去噪的輔助圖像，對基圖像由于有損去噪而造成 信息缺失的部位進行信息修補，最后得到復原后的圖像。
[0012] 進一步的，本發明方法中，所述步驟（3)的具體流程為：
[0013] 首先對每個輔助圖像Ak中的每個點，都按照如下準則進行度量：
[0014] 若IaliIrakijI^則認為aki.j與a H.j相對應，a ki.j的偏移向量、= (0,0)，其中h稱 為相似度閾值；否則，在以ω為搜索半長的范圍內進行以一個采樣點間距為步長的逐步搜 索，若遇到 I a1; 1+e, j+f-akl j I <h 則認為 $ =(0;否則 G = (()，0)，其中- C0<e，f 彡 ω;
[0015] 然后以輔助圖像中滿足上述準則要求的采樣點來求取偏移向量，得出一個向量組
[0016] 最后根_
得到圖像Ak上所有點的估計偏移 量。
[0017] 進一步的，本發明方法中，所述步驟（3)中求取偏移向量的具體流程為：
[0018] 若同時有多個點滿足上述準則要求，則取與基圖像中的采樣點aH]距離模值最小 的那個點來求取偏移向量；如果距離模值最小的點有若干個，且這若干個距離模值最小的 點連續相連形成一個集合，則用隨機算法配準：求取該集合中每個點的偏移向量，并把這個 點集合中每個點的偏移向量進行向量求和，最終生成一個向量稱為點集偏移向量；否則，即 這若干個距離模值最小的點不連續，則將這些點的偏移向量設為（0, 0)，不參與配準。
[0019] 進一步的，本發明方法中，所述步驟（4)的具體流程為：
[0020] 根據每幅輔助圖像上所有點的估計偏移量，求出各輔助圖像估計偏移量向量組中 X分量的期望Exk和方差Dx k，以及y分量的期望Eyk、方差Dyk;
[0021] 對于每個輔助圖像，當Dxk〈 δ且Dyk〈 δ時，則表明絕大多數采樣點的偏移量相同， 認為該圖像精配準成功，將其按向量（Exk，Eyk)移動，否則認為該圖像精配準失敗，舍棄該 圖像。
[0022] 進一步的，本發明方法中，所述步驟（2)中各輔助圖像對應的坐標系轉換矩陣為：
[0024] 其中，，、θ、γ為掃描輔助圖像時，圖像采集設備相對于獲取被復原三維圖像時 的位置在X軸、y軸、ζ軸的旋轉角度。
[0025] 進一步的，本發明方法中，所述步驟（2)中粗配準之后得到的結果為：
[0027] 其中，Xs、Ys、Zs是掃描輔助圖像時，圖像采集設備相對于獲取被復原三維圖像時 的位置在X軸、y軸、ζ軸的位移。
[0028] 現有的去噪手段很多都是以損失部分信息為代價的，而本發明方法能夠對去除噪 聲而導致信息缺失的圖像進行復原，其最終目的是實現無損去噪。
[0029] 有益效果：本發明與現有技術相比，具有以下優點：
[0030] 本發明提出了先腐蝕再修補的核心思想，以及二維圖像與三維圖像交互映射處理 的方法，將二維圖像與三維圖像的處理方法進行了融合。
[0031] 在配準時引入了偏移矢量的概念，引入了隨機算法，自動尋找特征區域，剔除無用 信息，消除了傳統配準方法無法識別哪些信息有用、哪些信息無用，對信息做不到合適的取 舍而導致信息冗余量大、速度慢的弊端。在數據修補中使用總距離差最小即和基圖像最相 近的精配準圖像的采樣點來修補基圖像，和傳統的數據融合比較，更接近目標的實際距離 值。與傳統的配準方法相比，該配準方法配準時通過附近搜索并引入偏移向量的概念，只利 用距離值變化陡峭區域進行配準，并引入大樣本隨機算法進行配準，自動剔除了距離值變 化較小的區域，幫助邊界有效地預測偏移向量，消除了"配準迷路"對配準造成破壞性的的 影響。
[0032] 經過有損去噪、映射、配準、數據修補等步驟，最終復原出退化的距離圖像。由于在 復原過程中運用到多幅輔助圖像中的信息來修補由于有損去噪造成的信息缺失，用于修補 的信息均為圖像采集裝置直接獲得的信息，而不是通過各種估計算法得到的信息，因此復 原圖像中信息的真實性大大提高。各步驟聯系緊密，邏輯性強，綜合地考慮到圖像處理各 種方法的優點以及缺陷，對這些方法進行相互間的取長補短，最終得到一個完善的圖像復 原方法。
[0033] 和現今的主流去噪方法BM3D相比，本發明方法采用原始信息進行修補，先有損去 噪、后復原，而非去噪復原同時進行，確保了對有用信息的保護；并且由于在去噪后的復原 環節，使得信息損失量大大減少，而且還增添了不少因噪聲遮擋而本來不具有的信息，幾乎 達到了無損去噪的效果。
【附圖說明】
[0034] 圖1為搜索路徑示意圖；
[0035] 圖2為隨機算法平均配準原理圖；
[0036] 圖3為映射原理圖。
[0037]
【具體實施方式】
[0038] 下面結合實施例和說明書附圖對本發明作進一步的說明。
[0039] 在使用三維激光掃描儀來獲得三維圖像的方法時，由于采用的是精密的硬件設 備，在實際應用中往往容易受到各種干擾而導致圖像退化，使圖像損失了部分信息。因此需 要對其進行圖像復原，將獲得的退化圖像，以最大的保真度，恢復到退化前的狀態。本發明 就是為了達到這個目的，具體實施例是將三維激光掃描儀裝在破拆機器人上來掃描目標， 由于形狀復雜的液壓管對發出激光有干擾，導致獲得的距離圖像失真。
[0040] 本發明的基于多圖配準復原三維圖像的方法，包括先腐蝕再修補，二維圖像與維 圖像交互映射處理，運用輔助圖像對被復原對象進行信息修補；采用粗配準與精配準兩步 走的配準方法；在精配準時引入了偏移矢量的概念害人方法。
[0041] 本發明實施例包括以下具體內容：
[0042] (1)以獲得被復原三維圖像時的位置、視角為基準，通過三維激光掃描儀移動、旋 轉來獲得不同位置、不同視角的距離圖像。上述被復原三維圖像稱為基圖像，通過掃描儀的 平移和旋轉多次掃描，可獲得多幅不同位置、不同視角的圖像，這些圖像在處理后用來修補 基圖像，稱為輔助圖像，在后面的步驟中用來修補基圖像的信息。
[0043] (2)設掃描儀在掃描某輔助圖像時，相對于原位置（得到基圖像時所在的位置） 的位移為（Xs、Ys、Zs)，繞X軸、y軸、z軸的旋轉角度分別為：f、θ、γ。則針對于掃描儀 旋轉，將掃描所獲得數組轉化到原坐標系（基圖像的坐標系）的旋轉恢復矩陣如式（1)所 /Jn 〇
[0045] 求得經映射得到圖像的采樣點相對掃描中心的平面坐標/?(灼認J zf,再 減去掃描系統本身相對于原坐標系的位移[Xs Ys Zs]T，可以得到最終的目標地物在同一坐 標系坐標下的坐標值[X Y Ζ]τ，如式（2)所示。該過程稱為粗配準，是現今較為普遍、成熟 的方法。
[0047] (3)將基圖像與一組經過粗配準、待精配準的輔助圖像組成A1A2. ... An，其中心為 被復原三維圖像，稱為基圖像，A2. ... ^為粗配準后的輔助圖像。該組等尺寸圖像長與高分 別為m, η (以采樣點數為單位）。
[0054] 其中，aklj(0〈i〈m+l, 0〈j〈n+l)為第k幅圖像第i行第j列的采樣點的距離值（ζ坐 標值）。
[0055] 對于每個輔助圖像Ak以基圖像A i為標尺進行精配準，即對輔助圖像A ,中的每一 個采樣點的距離值akl]都用對應于基圖像中的a 按照如下準則進行度量：
[0056] 若I ail「akl j I <h，則認為akl j與a n j相對應，a kl j的偏移向量$ = _，〇)，其中h 稱為相似度閾值；否則，如圖I所示，在以ω為