[发明专利]基于MEMS的条纹结构光的图像降噪方法和装置

说明书

本发明公开了一种基于MEMS的条纹结构光的图像降噪方法和装置，该方法先对像素值进行对数运算，将乘性噪声转化为更加容易过滤的加性噪声，以此来获得更好地降噪效果。之后通过在多张图片中的搜索框中寻找相似点，利用改进的权值计算函数计算相应权重，来对每个像素点进行还原。本发明的方法充分利用了MEMS条纹结构光图像序列中的冗余信息，改进了权值计算函数，大幅提高了传统非局部均值去噪算法的精度，为后续的图像处理和分析提供更精确的图像信息。

技术领域

本发明是关于图像处理技术领域，特别是关于一种基于MEMS的条纹结构光的图像降噪方法和装置。

背景技术

基于MEMS的条纹结构光的三维重建技术属于主动光学测量，拥有速度快、精度高、非接触等优点，已经广泛应用于工业检测、人脸识别、医疗健康、文物保护等多个方面。它通过将正弦条纹投射到物体表面，然后使用单个或多个相机拍摄被测表面得到结构光图像；经过相位解包裹等方法获得关键信息，最后基于三角测量原理经过图像三维解析计算物体的三维距离。MEMS光源因为具体有性能稳定、测量精准等优点，被广泛使用。然而MEMS光源发射的激光相互干涉所产生的散斑噪声严重损害了相机所获得的图片质量，继而严重影响三维重建的精度。因此对MEMS条结构光纹三维成像图片进行降噪处理，在尽可能保留图像真实细节的情况下抑制噪声信号就显得十分必要。

图像去噪也称图像滤波，其目的是在尽可能多地保留图像原始信息的情况下，抑制噪声信号，还原图像的本质信息。图像降噪的效果将直接影响后续图像分析甚至是整个工程的好坏，这在MEMS条纹结构光三维重建技术中显得尤为重要。

图像降噪方法主要分为三类：空域像素特征去噪算法、变换域去噪算法和基于神经网络的去噪算法。由于MEMS结构光技术的特殊性，不容易获取无噪声污染的原始信号作为训练集，所以基于神经网络的去噪算法很少使用。而基于变换域的降噪算法又存在计算复杂、损失大量边缘细节的缺点。因此在处理MEMS结构光图片时，通常使用传统的空域或变换域降噪算法。目前工业上普遍使用简单的高斯滤波处理原始结构光图片，这种方法虽然简单、快速、复杂度低，但对于散斑噪声污染的MEMS条纹结构光图像的降噪效果并不理想。而基于Buades等人提出的非局部均值滤波(NLM)算法充分利用了图像中的冗余信息，采用了非局部加权平均的方法对噪声进行过滤，对目前的结构光图片降噪效果表现更佳。

非局部均值算法中认为图像中的每个像素点并不是单独存在的，它与周围像素一起形成边缘和纹理等不同几何结构。通常来讲，相似结构所拥有的图像信息是高度重合的，也即图像不同位置的像素拥有很强的相关性。非局部均值算法就是利用了图像中的冗余信息，将目标像素和其周围像素一起被称为图像块，在操作时，遍历图像中的每个像素，在以每个像素为中心的区域里搜索相似的图像块，相似度越高，获得的权重越大，将权重归一化后，最后每个像素点的值为搜索框区域里的所有像素与其对应权重的乘积之和。传统NLM算法只利用了单张图片的冗余信息，而结构光图像通常是背景一样，相位略有变化的多张图片，因此会浪费其他图像中的信息，使得图像降噪精度下降。

公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。

发明内容

本发明的目的在于提供一种基于MEMS的条纹结构光的图像降噪方法和装置，其能够克服现有技术中降噪精度低的问题。

为实现上述目的，本发明的实施例提供了一种基于MEMS的条纹结构光的图像降噪方法，包括：

MEMS光源将条纹结构光投射在被测物体表面；

由同一相机获取被测物体表面在不同时刻的多张图像，该多张图像具有相同的背景且具有不同的相位信息；

采用非局部均值滤波方法计算原始像素点x和第i张图像像素点y间的相似度Wi(x，y)；

对图像中的每个像素点进行还原：