[go: up one dir, main page]

CN116612315B - 一种基于噪声特征分类的相位去噪方法 - Google Patents

一种基于噪声特征分类的相位去噪方法

Info

Publication number
CN116612315B
CN116612315B CN202310418985.9A CN202310418985A CN116612315B CN 116612315 B CN116612315 B CN 116612315B CN 202310418985 A CN202310418985 A CN 202310418985A CN 116612315 B CN116612315 B CN 116612315B
Authority
CN
China
Prior art keywords
phase
denoising
mask
value
diagram
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202310418985.9A
Other languages
English (en)
Other versions
CN116612315A (zh
Inventor
胡岩
陈文建
梁钟伟
左超
陈钱
杨昊澎
卫自强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN202310418985.9A priority Critical patent/CN116612315B/zh
Publication of CN116612315A publication Critical patent/CN116612315A/zh
Application granted granted Critical
Publication of CN116612315B publication Critical patent/CN116612315B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于噪声特征分类的相位去噪方法，读取条纹图像并根据条纹相移频率与相移步数使用N步相移法计算对应的绝对相位、调制度以及背景。并利用计算得到的数据确定初始去噪相位。然后利用初始去噪后的相位计算相位差值图，并判断相位差值图中的值是否达到形成孤立噪声的阈值生成去噪掩膜4。然后计算掩膜4中每个连通域的面积大小，将面积过大的区域进行去除生成最终的去噪掩膜，并利用该掩膜对相位进行去噪。本发明避免了传统相位去噪算法中噪点去除不精准的问题，提高相位测量的准确度。

Description

一种基于噪声特征分类的相位去噪方法
技术领域
本发明属于结构光三维测量领域，具体为一种基于噪声特征分类的相位去噪方法。
背景技术
在结构光三维测量领域，噪点的存在往往严重干扰了测量结果的准确性。传统的相位去噪方法主要是通过图像背景和调制度联合限制约束来去除噪点。然而该种方法仅对测量物体表面颜色较深或者由于阴影遮挡的区域有良好的效果。随着结构光三维测量的应用物体逐渐广泛，测量的物体表面越来越多的特性导致上述方法无法对噪点进行有效去除，例如物体表面高光区域、表面镜面反射区域、离焦区域等。
发明内容
本发明的目的在于提供了一种基于噪声特征分类的相位去噪方法，针对相位测量过程中的噪声问题进行特征分类，逐一去除，提升相位测量的准确度。
实现本发明目的的技术解决方案为:一种基于噪声特征分类的相位去噪方法，具体步骤为：
步骤1，读取条纹图像并根据条纹相移频率与相移步数使用N步相移法计算对应的绝对相位、调制度以及背景；
步骤2，利用步骤1计算得到的数据确定初始去噪相位，具体步骤为：
步骤2.1，将背景与调制度低于第一阈值的位置置为0，并生成相应的去噪掩膜1；
步骤2.2，对相位图进行相位递增方向求导，得到相位梯度图，将相位梯度图中结果为负的区域置为0，生成相应的掩膜2；
步骤2.3，利用最大类间方差法对相位梯度图进行二值化，并利用imerode函数对二值化后的相位梯度图进行腐蚀，生成相位掩膜3；
步骤2.4，利用掩膜1、掩膜2和掩膜3对相位进行去噪得到初始去噪相位；
步骤3，利用初始去噪相位计算相位差值图，并利用相位差值图生成去噪掩膜4；
步骤4，计算掩膜4中每个连通域的面积大小，将面积大于第二阈值的区域去除生成最终的去噪掩膜，并将初始去噪相位在最终去噪掩膜为0的对应位置处的相位值置为空值，得到最终去噪相位。
优选地，步骤1中读入的条纹图的光强表示为：
In(x,y)＝A(x,y)+B(x,y)cos[φ(x,y)+δn]
其中，A(x,y)为背景，B(x,y)为调制图，φ(x,y)为包裹相位；
通过N步相移法计算得到绝对相位、调制度以及背景。
优选地，对相位图进行相位递增方向求导的公式为：
其中为条纹移动方向，Φ为绝对相位值。
优选地，利用掩膜1、掩膜2和掩膜3对相位进行去噪得到初始去噪相位的具体方法为：
将相位图中掩膜1、掩膜2和掩膜3中值为0位置处的相位值置为空值n。
优选地，通过初始去噪相位计算相位差值图的具体方法为：
计算相位图中每个像素与领域8像素内相位差的最大值，计算公式如下：
d(x,y)＝max(|Φ(x,y)-Φ(x+1,y+1)|,|Φ(x,y)-Φ(x,y+1)|,
|Φ(x,y)-Φ(x-1,y+1)|,|Φ(x,y)-Φ(x+1,y)|,|Φ(x,y)-Φ(x-1,y)|,
|Φ(x,y)-Φ(x+1,y-1)|,|Φ(x,y)-Φ(x,y-1)|,|Φ(x,y)-Φ(x-1,y-1)|)
将最大值作为相位差值图中对应像素点的值，得到相位差值图。
优选地，跳变阈值的计算公式为：
其中，T为条纹周期数，dof为镜头景深大小，fov为相位递增方向上的视场长度，p为条纹移动方向上的像素数量。
优选地，将相位差值图中大于跳变阈值的值置为0，生成初始掩膜4。
本发明与现有技术相比，其显著优点是：(1)针对噪声问题进行分类处理，逐一去除，提升了相位测量的准确性。(2)通过计算连通域面积的大小，在去噪的基础上保留了由于误判导致的正确相位，提升了去噪的准确度。
附图说明
图1为本发明的流程图。
图2为本发明读入的相移图以及计算得到的绝对相位、背景以及调制度示意图。
图3为本发明各步骤中生成的各个掩膜。图3中的(a)、(b)、(c)、(d)分别为掩膜1，2，3，4。
图4本发明各步骤中经过处理的相位；图4中的(a)为步骤1计算得到的绝对相位；图4中的(b)为经过掩膜1，2，3处理后的初始去噪相位；图4中的(c)为最终得到的去噪相位。
具体实施方式
一种基于噪声特征分类的相位去噪方法，首先读取条纹图像并根据条纹相移频率与相移步数使用N步相移法计算对应的绝对相位、调制度以及背景。并利用计算得到的数据进行噪声特征分类。将背景与调制度低的位置判断为阴影与遮挡区域，并生成相应的去噪掩膜1。将相位图进行相位递增方向求导，将求导结果为负数的区域判断为相位逆变区域并生成相应的掩膜2。利用最大类间方差法对相位梯度图进行二值化，并利用imerode函数对其进行腐蚀，生成相位掩膜3。将该区域归为由于离焦产生噪声的颜色与高度突变区域。用掩膜1、掩膜2和掩膜3对相位进行去噪，在对应位置处的相位值置为空值nan，得到初始去噪相位。然后利用初始去噪后的相位计算相位差值图，并判断相位差值图中的值是否达到形成孤立噪声的阈值生成去噪掩膜4。其次计算掩膜4中每个连通域的面积大小，将面积过大的区域进行去除生成最终的去噪掩膜，并利用该掩膜对相位进行去噪。具体步骤为：
步骤1，求解绝对相位、调制度以及背景。首先读入条纹图，条纹图像的光强可以表示为：
In(x,y)＝A(x,y)+B(x,y)cos[φ(x,y)+δn] (1)
其中A(x,y)为背景，B(x,y)为调制度，φ(x,y)为包裹相位。绝对相位、调制度以及背景通过N步相移法计算得到。
步骤2，根据步骤1计算的数据进行噪声特点分类。
(1)将背景与调制度低的位置判断为阴影与遮挡区域，并将阴影与遮挡区域中的值置为0，生成掩膜1。
(2)对相位图进行相位递增方向求导，将求导结果为负数的区域判断为相位逆变区域，并生成相应的掩膜2。求导公式为：
其中为条纹移动方向，Φ为绝对相位值。将求导结果为负数的区域在掩膜2中置为0。
(3)利用最大类间方差法对相位梯度图进行二值化，并利用imerode函数对其进行腐蚀，生成相位掩膜3。将该区域归为由于离焦产生噪声的颜色与高度突变区域。
利用掩膜1、掩膜2和掩膜3对相位进行去噪：将相位图中掩膜1、掩膜2和掩膜3中值为0位置处的相位值置为空值nan，得到初始去噪相位。
步骤3，计算去噪掩膜4。首先通过初始去噪相位计算相位差值图：计算相位图中每个像素与领域8像素内相位差的最大值，计算公式如下：
d(x,y)＝max(|Φ(x,y)-Φ(x+1,y+1)|,|Φ(x,y)-Φ(x,y+1)|,
|Φ(x,y)-Φ(x-1,y+1)|,|Φ(x,y)-Φ(x+1,y)|,|Φ(x,y)-Φ(x-1,y)|, (3)
|Φ(x,y)-Φ(x+1,y-1)|,|Φ(x,y)-Φ(x,y-1)|,|Φ(x,y)-Φ(x-1,y-1)|)
将最大值作为相位差值图中对应像素点的值，得到相位差值图。
根据跳变阈值判断是否为孤立噪声区域，其中跳变阈值的计算公式为：
其中，T为条纹周期数，dof为镜头景深大小，fov为相位递增方向上的视场长度，p为条纹移动方向上的像素数量。将相位差值图中大于该阈值的掩膜置为0，生成初始掩膜4。
步骤4，计算最终去噪相位。首先对步骤3中得到的掩膜4进行连通域提取。将连通域内面积过大的区域在掩膜4中处置为1，生成最终的去噪掩膜。最终利用该掩膜对相位进行去噪，在对应位置处的相位值置为空值nan，得到最终的去噪相位。
本发明针对相位噪声产生的特点进行了分类，并针对不同的特点生成如图3所示的四种去噪掩膜，对噪声进行逐一去除。最后通过判断孤立噪声将剩余噪声进行去除，得到如图4(c)所示不含噪声的绝对相位图，极大的提升了相位去噪的准确性。

Claims (7)

1.一种基于噪声特征分类的相位去噪方法，其特征在于，具体步骤为：
步骤1，读取条纹图像并根据条纹相移频率与相移步数使用N步相移法计算对应的绝对相位、调制度以及背景；
步骤2，利用步骤1计算得到的数据确定初始去噪相位，具体步骤为：
步骤2.1，将背景与调制度低于第一阈值的位置置为0，并生成相应的去噪掩膜1；
步骤2.2，对相位图进行相位递增方向求导，得到相位梯度图，将相位梯度图中结果为负的区域置为0，生成相应的掩膜2；
步骤2.3，利用最大类间方差法对相位梯度图进行二值化，并利用imerode函数对二值化后的相位梯度图进行腐蚀，生成相位掩膜3；
步骤2.4，利用掩膜1、掩膜2和掩膜3对相位进行去噪得到初始去噪相位；
步骤3，利用初始去噪相位计算相位差值图，并利用相位差值图生成去噪掩膜4；
步骤4，计算掩膜4中每个连通域的面积大小，将面积大于第二阈值的区域去除生成最终的去噪掩膜，并将初始去噪相位在最终去噪掩膜为0的对应位置处的相位值置为空值，得到最终去噪相位。
2.根据权利要求1所述的基于噪声特征分类的相位去噪方法，其特征在于，步骤1中读入的条纹图的光强表示为：
In(x,y)＝A(x,y)+B(x,y)cos[φ(x,y)+δn]
其中，A(x,y)为背景，B(x,y)为调制图，φ(x,y)为包裹相位；
通过N步相移法计算得到绝对相位、调制度以及背景。
3.根据权利要求1所述的基于噪声特征分类的相位去噪方法，其特征在于，对相位图进行相位递增方向求导的公式为：
其中为条纹移动方向，m为绝对相位值。
4.根据权利要求1所述的基于噪声特征分类的相位去噪方法，其特征在于，利用掩膜1、掩膜2和掩膜3对相位进行去噪得到初始去噪相位的具体方法为：
将相位图中掩膜1、掩膜2和掩膜3中值为0位置处的相位值置为空值。
5.根据权利要求1所述的基于噪声特征分类的相位去噪方法，其特征在于，通过初始去噪相位计算相位差值图的具体方法为：
计算相位图中每个像素与领域8像素内相位差的最大值，计算公式如下：
d(x,y)＝max(|Φ(x,y)-Φ(x+1,y+1)|,|Φ(x,y)-Φ(x,y+1)|,
|Φ(x,y)-Φ(x-1,y+1)|,|Φ(x,y)-Φ(x+1,y)|,|Φ(x,y)-Φ(x-1,y)|,
|Φ(x,y)-Φ(x+1,y-1)|,|Φ(x,y)-Φ(x,y-1)|,|Φ(x,y)-Φ(x-1,y-1)|)
将最大值作为相位差值图中对应像素点的值，得到相位差值图。
6.根据权利要求1所述的基于噪声特征分类的相位去噪方法，其特征在于，跳变阈值的计算公式为：
其中，T为条纹周期数，dof为镜头景深大小，fov为相位递增方向上的视场长度，p为条纹移动方向上的像素数量。
7.根据权利要求1所述的基于噪声特征分类的相位去噪方法，其特征在于，将相位差值图中大于跳变阈值的值置为0，生成初始掩膜4。
CN202310418985.9A 2023-04-19 2023-04-19 一种基于噪声特征分类的相位去噪方法 Active CN116612315B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310418985.9A CN116612315B (zh) 2023-04-19 2023-04-19 一种基于噪声特征分类的相位去噪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310418985.9A CN116612315B (zh) 2023-04-19 2023-04-19 一种基于噪声特征分类的相位去噪方法

Publications (2)

Publication Number Publication Date
CN116612315A CN116612315A (zh) 2023-08-18
CN116612315B true CN116612315B (zh) 2025-09-05

Family

ID=87678963

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310418985.9A Active CN116612315B (zh) 2023-04-19 2023-04-19 一种基于噪声特征分类的相位去噪方法

Country Status (1)

Country Link
CN (1) CN116612315B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101290200B1 (ko) * 2012-02-13 2013-07-30 중앙대학교 산학협력단 충격 잡음 제거 장치 및 방법
CN113793273A (zh) * 2021-08-11 2021-12-14 苏州中科行智智能科技有限公司 一种基于相移条纹亮度幅值的点云噪声删除方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210108082A (ko) * 2020-02-25 2021-09-02 삼성전자주식회사 위상 차를 이용하는 라이브니스 검출 방법 및 장치
US11941787B2 (en) * 2021-08-23 2024-03-26 Microsoft Technology Licensing, Llc Denoising depth data of low-signal pixels

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101290200B1 (ko) * 2012-02-13 2013-07-30 중앙대학교 산학협력단 충격 잡음 제거 장치 및 방법
CN113793273A (zh) * 2021-08-11 2021-12-14 苏州中科行智智能科技有限公司 一种基于相移条纹亮度幅值的点云噪声删除方法

Also Published As

Publication number Publication date
CN116612315A (zh) 2023-08-18

Similar Documents

Publication Publication Date Title
CN110866924B (zh) 一种线结构光中心线提取方法及存储介质
TWI716684B (zh) 臨界尺寸量測方法及用於量測臨界尺寸的影像處理裝置
CN101986098B (zh) 基于三色光投影的傅里叶变换三维测量法
CN106091981B (zh) 用于高动态范围物体的区域投影光学三维轮廓测量方法
CN111191646B (zh) 一种指针式仪表的智能识别方法
CN110852992B (zh) 一种基于顶帽变换和Radon变换的船只尾迹检测方法
CN111507055A (zh) 电路设计版图和电镜扫描图像的配准方法及系统、电路设计版图和其成像误差计算方法
CN112629409A (zh) 一种线结构光条纹中心提取方法
CN102903108A (zh) 基于水下图像统计特性的边缘检测方法
CN116862973A (zh) 一种基于声学的水下坝面缺陷量测方法
Le et al. Reconstruction of accurate 3-D surfaces with sharp edges using digital structured light projection and multi-dimensional image fusion
CN117649606A (zh) 一种基于本征表示模型的高光谱图像阴影去除方法与系统
CN115393325A (zh) 织物疵点的检测方法和系统
CN118196043A (zh) 一种基于机器视觉与三维点云融合的整车部件检测方法
CN116612315B (zh) 一种基于噪声特征分类的相位去噪方法
CN117889923A (zh) 一种基于时空图像纹理特征提取的明渠流量测量方法及装置
CN110553581A (zh) 临界尺寸量测方法及用于量测临界尺寸的图像处理装置
JP2009301411A (ja) 凹凸文字抽出のための画像処理方法及び画像処理装置
Eastwood et al. Autonomous image background removal for accurate and efficient close-range photogrammetry
CN117095020B (zh) 含噪声电子束图像的轮廓提取方法、装置、系统和介质
CN109190310B (zh) 基于matlab平台的干涉条纹波面重建方法
CN115953459B (zh) 一种复杂光照条件下的激光条纹中心线提取方法
CN113011439A (zh) 一种干涉条纹位移信息提取方法
JP5773935B2 (ja) シーンにおけるオブジェクトを分類する方法
CN118279330A (zh) 一种多线程的正则化相位跟踪单幅干涉条纹解算方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information

Inventor after: Hu Yan

Inventor after: Chen Wenjian

Inventor after: Liang Zhongwei

Inventor after: Zuo Chao

Inventor after: Chen Qian

Inventor after: Yang Haopeng

Inventor after: Wei Ziqiang

Inventor before: Chen Wenjian

Inventor before: Liang Zhongwei

Inventor before: Hu Yan

Inventor before: Zuo Chao

Inventor before: Chen Qian

Inventor before: Yang Haopeng

Inventor before: Wei Ziqiang

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant