基于多图配准复原三维图像的方法
【技术领域】
[0001] 本发明属于数字图像处理领域，涉及一种三维图像复原方法。
【背景技术】
[0002] 在图像获取的过程中由于硬件设备的固有原因和外部噪声的干扰，都会引起成像 质量下降或者信息缺损。对于大多数成像系统，单纯从硬件方面来考虑解决这些问题，将带 来巨大的成本和技术压力，因此研究图像复原算法来解决前面所提出的问题有着极大的现 实意义和应用价值。尤其是在三维图像领域，在获取图像的过程中更易被干扰，提高设备性 能的成本更高，而对三维图像复原的研究却远没有二维图像成熟。因此对三维图像的复原 在图像处理方面更需要被研究。
[0003] 对于获取三维图像时图像受到噪声干扰，已经有了一些去噪的方法，当前主要的 去噪算法包括BM3D，由Dabov等人在2006年提出，其核心思想利用图像的相关性和统计特 征对图像分块、分组匹配，形成三维块，再利用相关性对块层进行三维滤波去噪，保留了很 好的低频轮廓信息，又保留了一定的细节纹理，但仍缺失了较多的信息。
【发明内容】
[0004] 技术问题：本发明提供一种能够去除噪声、保留图像原始信息的基于多图配准复 原三维图像的方法。
[0005] 技术方案：本发明的基于多图配准复原三维图像的方法，包括以下步骤：
[0006] (1)以获取被复原三维图像时图像采集设备的位置为基准，偏转图像采集设备的 角度、移动摄像头的位置，得到多幅用来辅助复原的辅助图像；
[0007] (2)以被复原三维图像为基图像，根据图像采集设备的旋转角度、移动矢量，创建 各辅助图像对应的坐标系转换矩阵，对辅助图像分别进行粗配准；
[0008] (3)运用"偏移矢量"概念和随机算法，以基图像为标尺，对每个粗配准后的辅助图 像分别进行基图像的点与辅助图像的点之间的精配准，得到辅助图像上所有点的偏移矢量 和估计偏移量；
[0009] (4)进行每个辅助图像和基图像之间的面与面精配准，最终得到一组精配准的图 像；
[0010] (5)有损去噪：针对基图像和所述步骤（4)得到的一组精配准的图像，利用腐蚀法 将图像上的位置随机出现、形状为点状、线状的噪声去除；
[0011] (6)图像信息修补：用经过有损去噪的辅助图像，对基图像由于有损去噪而造成 信息缺失的部位进行信息修补，最后得到复原后的图像。
[0012] 进一步的，本发明方法中，所述步骤（3)的具体流程为：
[0013] 首先对每个辅助图像Ak中的每个点，都按照如下准则进行度量：
[0014] 若IaliIrakijI^则认为aki.j与a H.j相对应，a ki.j的偏移向量、= (0,0)，其中h称 为相似度阈值；否则，在以ω为搜索半长的范围内进行以一个采样点间距为步长的逐步搜 索，若遇到 I a1; 1+e, j+f-akl j I <h 则认为 $ =(0;否则 G = (()，0)，其中- C0<e，f 彡 ω;
[0015] 然后以辅助图像中满足上述准则要求的采样点来求取偏移向量，得出一个向量组
[0016] 最后根_
得到图像Ak上所有点的估计偏移 量。
[0017] 进一步的，本发明方法中，所述步骤（3)中求取偏移向量的具体流程为：
[0018] 若同时有多个点满足上述准则要求，则取与基图像中的采样点aH]距离模值最小 的那个点来求取偏移向量；如果距离模值最小的点有若干个，且这若干个距离模值最小的 点连续相连形成一个集合，则用随机算法配准：求取该集合中每个点的偏移向量，并把这个 点集合中每个点的偏移向量进行向量求和，最终生成一个向量称为点集偏移向量；否则，即 这若干个距离模值最小的点不连续，则将这些点的偏移向量设为（0, 0)，不参与配准。
[0019] 进一步的，本发明方法中，所述步骤（4)的具体流程为：
[0020] 根据每幅辅助图像上所有点的估计偏移量，求出各辅助图像估计偏移量向量组中 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] 对于每个辅助图像，当Dxk〈 δ且Dyk〈 δ时，则表明绝大多数采样点的偏移量相同， 认为该图像精配准成功，将其按向量（Exk，Eyk)移动，否则认为该图像精配准失败，舍弃该 图像。
[0022] 进一步的，本发明方法中，所述步骤（2)中各辅助图像对应的坐标系转换矩阵为：
[0024] 其中，，、θ、γ为扫描辅助图像时，图像采集设备相对于获取被复原三维图像时 的位置在X轴、y轴、ζ轴的旋转角度。
[0025] 进一步的，本发明方法中，所述步骤（2)中粗配准之后得到的结果为：
[0027] 其中，Xs、Ys、Zs是扫描辅助图像时，图像采集设备相对于获取被复原三维图像时 的位置在X轴、y轴、ζ轴的位移。
[0028] 现有的去噪手段很多都是以损失部分信息为代价的，而本发明方法能够对去除噪 声而导致信息缺失的图像进行复原，其最终目的是实现无损去噪。
[0029] 有益效果：本发明与现有技术相比，具有以下优点：
[0030] 本发明提出了先腐蚀再修补的核心思想，以及二维图像与三维图像交互映射处理 的方法，将二维图像与三维图像的处理方法进行了融合。
[0031] 在配准时引入了偏移矢量的概念，引入了随机算法，自动寻找特征区域，剔除无用 信息，消除了传统配准方法无法识别哪些信息有用、哪些信息无用，对信息做不到合适的取 舍而导致信息冗余量大、速度慢的弊端。在数据修补中使用总距离差最小即和基图像最相 近的精配准图像的采样点来修补基图像，和传统的数据融合比较，更接近目标的实际距离 值。与传统的配准方法相比，该配准方法配准时通过附近搜索并引入偏移向量的概念，只利 用距离值变化陡峭区域进行配准，并引入大样本随机算法进行配准，自动剔除了距离值变 化较小的区域，帮助边界有效地预测偏移向量，消除了"配准迷路"对配准造成破坏性的的 影响。
[0032] 经过有损去噪、映射、配准、数据修补等步骤，最终复原出退化的距离图像。由于在 复原过程中运用到多幅辅助图像中的信息来修补由于有损去噪造成的信息缺失，用于修补 的信息均为图像采集装置直接获得的信息，而不是通过各种估计算法得到的信息，因此复 原图像中信息的真实性大大提高。各步骤联系紧密，逻辑性强，综合地考虑到图像处理各 种方法的优点以及缺陷，对这些方法进行相互间的取长补短，最终得到一个完善的图像复 原方法。
[0033] 和现今的主流去噪方法BM3D相比，本发明方法采用原始信息进行修补，先有损去 噪、后复原，而非去噪复原同时进行，确保了对有用信息的保护；并且由于在去噪后的复原 环节，使得信息损失量大大减少，而且还增添了不少因噪声遮挡而本来不具有的信息，几乎 达到了无损去噪的效果。
【附图说明】
[0034] 图1为搜索路径示意图；
[0035] 图2为随机算法平均配准原理图；
[0036] 图3为映射原理图。
[0037]
【具体实施方式】
[0038] 下面结合实施例和说明书附图对本发明作进一步的说明。
[0039] 在使用三维激光扫描仪来获得三维图像的方法时，由于采用的是精密的硬件设 备，在实际应用中往往容易受到各种干扰而导致图像退化，使图像损失了部分信息。因此需 要对其进行图像复原，将获得的退化图像，以最大的保真度，恢复到退化前的状态。本发明 就是为了达到这个目的，具体实施例是将三维激光扫描仪装在破拆机器人上来扫描目标， 由于形状复杂的液压管对发出激光有干扰，导致获得的距离图像失真。
[0040] 本发明的基于多图配准复原三维图像的方法，包括先腐蚀再修补，二维图像与维 图像交互映射处理，运用辅助图像对被复原对象进行信息修补；采用粗配准与精配准两步 走的配准方法；在精配准时引入了偏移矢量的概念害人方法。
[0041] 本发明实施例包括以下具体内容：
[0042] (1)以获得被复原三维图像时的位置、视角为基准，通过三维激光扫描仪移动、旋 转来获得不同位置、不同视角的距离图像。上述被复原三维图像称为基图像，通过扫描仪的 平移和旋转多次扫描，可获得多幅不同位置、不同视角的图像，这些图像在处理后用来修补 基图像，称为辅助图像，在后面的步骤中用来修补基图像的信息。
[0043] (2)设扫描仪在扫描某辅助图像时，相对于原位置（得到基图像时所在的位置） 的位移为（Xs、Ys、Zs)，绕X轴、y轴、z轴的旋转角度分别为：f、θ、γ。则针对于扫描仪 旋转，将扫描所获得数组转化到原坐标系（基图像的坐标系）的旋转恢复矩阵如式（1)所 /Jn 〇
[0045] 求得经映射得到图像的采样点相对扫描中心的平面坐标/?(灼认J zf,再 减去扫描系统本身相对于原坐标系的位移[Xs Ys Zs]T，可以得到最终的目标地物在同一坐 标系坐标下的坐标值[X Y Ζ]τ，如式（2)所示。该过程称为粗配准，是现今较为普遍、成熟 的方法。
[0047] (3)将基图像与一组经过粗配准、待精配准的辅助图像组成A1A2. ... An，其中心为 被复原三维图像，称为基图像，A2. ... ^为粗配准后的辅助图像。该组等尺寸图像长与高分 别为m, η (以采样点数为单位）。
[0054] 其中，aklj(0〈i〈m+l, 0〈j〈n+l)为第k幅图像第i行第j列的采样点的距离值（ζ坐 标值）。
[0055] 对于每个辅助图像Ak以基图像A i为标尺进行精配准，即对辅助图像A ,中的每一 个采样点的距离值akl]都用对应于基图像中的a 按照如下准则进行度量：
[0056] 若I ail「akl j I <h，则认为akl j与a n j相对应，a kl j的偏移向量$ = _，〇)，其中h 称为相似度阈值；否则，如图I所示，在以ω为