VR激光成像噪声过滤技术研究

发布时间：2021-04-11 14:35

　　VR激光成像中存在大量随机噪声,为了提高VR激光虚拟成像能力,提出一种VR激光成像噪声过滤方法,对采集的三维小区域物体的特征图像,分块匹配和自适应信息融合,完成虚拟VR激光图像重构处理,结合模板匹配技术,对VR激光虚拟成像的特征匹配和滤波处理,采用多层Gabor小波降噪方法进行激光小区域成像后的图像降噪处理,对降噪滤波后的激光小区域成像输出采用改进的虚拟现实仿真技术实现图像重建,实现噪声过滤。仿真结果表明,该方法去噪分辨率更强,抗干扰性与传统方法对比,迭代60次后,成像信噪比达到最大49. 5 dB,更优于贝叶斯方法的25. 4 dB与主成分分析方法的25. 4 d B。负载开销与时延的对比也较其他两种方法更为经济。 

【文章来源】：激光杂志. 2020,41(02)北大核心

【文章页数】：4 页

【部分图文】：

激光小区域成像后的图像降噪处理

从VR激光扫描的路径G中沿着分割轮廓从u到v进行图像成像，得到成像的边缘像素集记为pheromone(x,y)=(kind,capability)，根据上述构建的空间物体VR激光小区域成像的小波多尺度降噪的网格模型，结合远程激光图像采集结果，得到空间物体VR激光小区域成像的像素级特征量，综上分析，实现基于改进VR的激光小区域成像技术优化，实现流程如图2所示。4 仿真实验与结果分析

为了测试本文方法在实现激光小区域VR检测和激光图像特征提取中的性能，进行仿真实验，实验建立在Matlab 2010b和Visual C++软件基础上，激光成像采用的8个多光谱波段的承WorldView-2进行原始图像采集，分辨率与多光谱影像的成像波长为1.2 m，原始分辨率为3.75 m，全色波段范围:520-770 nm，幅宽:70 KM(星下点)35KM(联合成像)，侧摆指向角度为±44°，能够及时观测成像区域，根据上述仿真环境和参数设定，进行激光小区域成像仿真，并采用DEM高程数据进行几何纠正，得到原始采集的激光图像如图3所示。以图3采集图像为样本，进行VR成像优化，得到采用本文方法和传统单层小波去噪方法进行激光小区域成像的对比结果如图4所示。

【参考文献】：
期刊论文
[1]NSCT域内结合相位一致性激励PCNN的多聚焦图像融合[J]. 刘栋,周冬明,聂仁灿,侯瑞超.  计算机应用. 2018(10)
[2]Face image retrieval based on shape and texture feature fusion[J]. Zongguang Lu,Jing Yang,Qingshan Liu.  Computational Visual Media. 2017(04)
[3]基于剪切波域改进Gamma校正的医学图像增强算法[J]. 周飞,贾振红,杨杰,Nikola Kasabov.  光电子·激光. 2017(05)
[4]自外而内的单幅图像超分辨率复原算法[J]. 郑向涛,袁媛,卢孝强.  光学学报. 2017(03)
[5]尺度自适应暗通道先验去雾方法[J]. 宋颖超,罗海波,惠斌,常铮.  红外与激光工程. 2016(09)
[6]基于多级引导滤波器的图像区域融合算法[J]. 李旭寒,董安国,封建湖.  激光技术. 2016(05)
[7]小波去噪和神经网络相融合的超分辨率图像重建[J]. 郭丙华,岑志松.  激光杂志. 2016(02)
[8]基于正则化约束的遥感图像多尺度去模糊[J]. 谭海鹏,曾炫杰,牛四杰,陈强,孙权森.  中国图象图形学报. 2015(03)
[9]基于非下采样轮廓波变换遥感影像超分辨重建方法[J]. 周靖鸿,周璀,朱建军,樊东昊.  光学学报. 2015(01)



本文编号：3131432