鲁棒的模糊C均值和点云双边滤波去噪

提出了一种将模糊C均值(FCM)聚类算法与双边滤波方法结合进行三维点云数据的去噪算法.该算法首先用模糊C均值聚类算法对大尺度噪声进行去除,并对小尺度噪声进行一定程度的光顺;然后用点云双边滤波器对小尺度噪声进行光顺.该算法将噪声分成大尺度和小尺度分步处理,不需迭代计算,提高了计算效率,也避免了光顺过程中产生过光顺问题.实验结果表明,本文方法可以在较好地保留尖锐特征的同时,有效地去除噪声.     

基于深度图像与分水岭的平面点云分割方法

根据目前点云数据分割的研究现状以及分水岭算法在图像处理中的应用,提出一种基于深度图像和分水岭算法的建筑物平面点云分割方法.该方法首先将平面点云数据生成深度图像并给像素赋予灰度值,再使用双边滤波算法进行滤波去噪,然后使用分水岭算法进行图像分割,得到分割结果后索引回原始点云数据,得到点云分割结果.为验证方法的可靠性与准确性,利用区域增长法、RANSAC算法以及欧式聚类法进行对比实验.通过对实验结果的对比分析,能有效地将不同点云面片分割出来,并且具有良好的准确度和完整度,分割结果质量较高,为点云的分割提供了新的思路与方法.     

混合滤波与改进双边滤波的点云去噪算法

激光扫描获取的曲面零件点云中包含的噪声点将影响零件的曲面拟合精度.提出了一种根据噪声分类分步降噪及光顺方法，利用kd tree结合K-means聚类算法去除离群点噪声，引入采样点曲率改进双边滤波因子，对非离群点噪声进行光顺.利用该方法对液力变矩器导轮叶片点云进行去噪，并与利用三坐标测量机接触式测量获得的叶片局部测量结果配准比较.实验结果表明，70%以上的接触式扫描测量点与利用本文方法去噪后的叶片点云之间的偏差在±10μm之间.表明该方法可以很好地保留扫描物体的几何特征，获得的点云模型能够满足后续模型重建的精度要求.     

散乱点云去噪算法的研究与实现

提出了一种快速去除散乱点云数据表面噪声和离群点的鲁棒滤波算法.应用核密度估计聚类方法,通过Mean-Shift迭代过程将每一个采样点"漂移"到核密度估计函数的局部最大值点,该最大值点确定了点云数据的聚类中心并能准确逼近原始曲面,使点云曲面收敛为一个稳定的三维数字模型.算法中的似然估计函数充分考虑了散乱点的法矢方向,因此不仅可以去除不同幅度的噪点,还可以用简单的阈值条件很容易地检测出离群点的聚类,从而实现了点云数据的高效快速光顺去噪.     

基于地铁隧道点云数据的组合滤波算法

目的提出一种点云数据组合的滤波方法,对地铁隧道的点云数据进行有效的精简滤波,提高地铁隧道结构变形分析的准确性.方法首先,对三维点云数据采用基于统计特征的滤波方法进行初步滤波,去除远离点云数据主体的离散点;其次,估算点云数据模型各数据点的高斯曲率,将点云数据分为突变区域和平滑区域;最后,采用双边滤波算法对突变区域点云数据进行滤波,采用改进的均值滤波算法对平滑区域点云数据进行滤波处理.结果通过对沈阳地铁隧道点云数据进行滤波实验及拟合圆半径分析,笔者所提组合滤波算法可以在保留隧道壁和轨道等结构的情况下,去除离散点和隧道壁上的无关非点等噪声;该算法对点云数据进行了有效精简,拟合圆的半径与设计半径差值更小,结果精度更高.结论笔者所提出的滤波算法可去除地铁三维点云数据的噪声点,并完整保留了隧道结构的几何细节特征,提高了变形分析的精度.     

一种基于统计流形的聚类算法

考虑数据点之间局部统计性质的差异,结合K平均算法提出一种基于统计流形的聚类算法.通过计算数据点邻域的均值和协方差,将原始数据点云映射到正态分布族流形中,成为参数点云.在正态分布族流形上构造不同的度量结构,分别应用K平均方法,对参数点云进行聚类,从而将对应的原始数据分类.此算法可以应用到点云去噪.采用基于不同差异函数的算法,对含高密度噪声的点云去噪,并给出模拟仿真结果.仿真结果表明,采用KL散度作为差异函数的算法有较好的去噪效果,体现出该算法在去噪应用中的潜力.      

基于SR300体感器人体扫描点云的去噪方法

为克服传统三维人体扫描系统体积大、线路复杂、成本高的缺点,采用SR300体感器获取三维人体点云,针对体感扫描点云噪声大的问题,提出由外而内,分步去除噪声的系统方法。此方法无需点云间的拓扑关系,可以直接对三维散乱点云进行处理。首先,设计体感扫描实验平台获取人体点云并采用圆柱体分割法进行点云预处理;接着,提出并实现2种体外离群点去噪的算法,即统计分析法和球半径法,将这2种算法结合使用去除不同类型的离群点;最后,调整人体深度图的双边滤波去噪算法的权重因子到合理的范围内,分别以单幅点云和全身点云为对象,去噪时间分别仅为传统双边滤波的7.52%和3.69%。借助VS2010开发环境,并调用PCL库进行大量算法实验。研究结果表明:本文方法能够有效去除内外噪点且能保持边缘特征,获得较好的三维人体点云结果。     

基于中轴线拟合的隧道点云去噪研究

目的通过拟合中轴线对隧道内部噪声点滤除,并在去噪时保持隧道主体数据的完整性,提出一种通过拟合隧道中轴线对隧道点云进行噪声点滤除的方法.方法采用统计滤波滤除部分远离主体点云的大尺度噪声点,再基于高斯曲率的方法将隧道点云数据分为管片点云和轨道面点云两类;利用投影法提取隧道中轴线,通过判断点到中轴线之间的距离与设定的阈值的大小关系,滤除隧道内部及靠近管片壁的噪声点,多次迭代去噪,直到点云数据量趋于稳定;利用直通滤波和统计滤波滤除轨道面点云噪声,最后将去噪后的管片点云和轨道面点云进行组合得到去噪后的盾构隧道点云.结果利用拟合得到的隧道中轴线对分类后的管片点云进行五次迭代去噪后,管片点云数量趋于稳定,噪声点基本滤除;对分类后的轨道面点云进行了有效滤除并且保持了原有特征;将去噪后的两部分点云组合,得到了完整的去噪后的隧道点云.结论笔者所采用的方法简单有效,能有效地滤除隧道点云噪声且保证主体数据完整性.     

一种考虑多尺度噪声的平滑去噪方法

针对在实际采集三维点数据模型中遇到多种尺度噪声的问题,提出了一种基于噪声分类组合滤波平滑去噪的方法。首先根据点模型中噪声的位置、密度和无用性等特点,将其分为伪噪声、大尺度噪声和小尺度噪声三类;分别使用直通滤波、半径滤波和统计滤波,以及移动最小二乘重采样(MLS)去除;同时考虑到点云冗余,将体素化网格滤波与移动最小二乘重采样相结合,实现重采样点模型的优化。实验结果表明:能够很好的解决地面三维激光扫描仪采集的点数据模型中存在多种尺度噪声的问题。从模型视觉效果上的漏洞修复、特征保持和光顺效果,以及实际变形度上看,方法优于直接使用MLS重采样和Laplace平滑去噪。     

点云数据多种滤波方式组合优化研究

LIDAR获取地物的三维点云数据已成当下的主要方式。针对不同尺度下三维点云数据的噪声滤波顺序问题,提出一种基于PCL不同尺度下最优顺序组合的点云滤波去噪方法,即在对获取的室外三维图书馆模型源数据和室内桌子实体模型源数据预处理的基础上,集成双边滤波、高斯滤波、几何滤波三种滤波方式的优势来实现两种不同类型数据的滤波处理。通过实验给出了两种不同数据类型下最优组合顺序滤波的参数。实验结果表明,本研究中的组合滤波方法具有较好的鲁棒性和保特征性,可为建筑三维点云数据的滤波提供一定的参考。     

基于双树复小波变换与双边滤波的图像滤波

为了进一步提升高斯噪声的去除性能,提出了基于双树复小波变换与双边滤波的图像滤波方法.根据图像和噪声的分布特征,推导出一种自适应的阈值去噪模型.用去噪模型对双树复小波变换后的图像系数进行量化处理,再由双树复小波逆变换得到去噪图像,然后用改进的双边滤波方法对去噪图像进行边缘增强,改进的双边滤波核自适应于图像的特征,具有更好的鲁棒性.实验结果显示,该方法相对于现有的性能较好的方法,PSNR高出大约0.8 dB,SSIM高出大约2.3%.实验证明了该文提出的方法在去噪效果和细节恢复上优于已有的方法.     

一种去除图像混合噪声的新方法

某一种去噪方法通常只对某一类噪声的滤除较为有效,为了抑制混合噪声,提出一种结合中值滤波与小波去噪的图像去噪算法。该算法首先检测出脉冲噪声点,并采用自适应窗口对脉冲噪声点进行中值滤波处理,然后用基于高斯混合模型的小波去噪法滤除图像中的高斯白噪声。仿真实验表明,对于被高斯、脉冲混合噪声污染的图像,该算法的去噪效果显然比单一的中值滤波和小波去噪法好得多。     

自适应法向量约束的工件分割方法

针对目前对工件点云分割中出现的过分割、欠分割等问题,提出一种结合欧式聚类和自适应法向量约束的工件分割方法.首先对采集到的点云进行体素滤波,使用随机采样一致性(random sample consensus,RNASAC)算法滤除背景并通过统计滤波器去除噪点,接着利用欧式聚类算法将目标点云划分成点云簇,最后针对点云簇中含...     

结合循环迭代方法的自适应中值去噪新模型

针对传统去除椒盐噪声方法在图像噪声密度较高时去噪性能较差的缺点,本文提出了一种结合循环迭代方法的自适应中值去噪新模型,提高了高密度椒盐噪声下去噪算法的性能.该滤波器工作模式可分为三个阶段：首先,图像疑似噪声点预处理,通过极值判断法,将待处理像素点进行区分得到疑似噪声点;其次,确定噪声点处理,将已确定噪声点用邻域内的中值或均值自适应替换,从而完成去噪;最后,疑似噪声点再次处理,通过算法内置参数和条件,进一步判断疑似噪声点是否为噪声点.该模型还加入噪声标记点方法,通过迭代处理判断标记点结束去噪,得到滤波后的图像.仿真实验证明,本文提出的方法较传统的几种去除椒盐噪声滤波算法,针对无论是低密度噪声图像或是高密度噪声图像,去噪性能都有一定的提升,且能够较好地保留图像边缘和纹理等结构信息.     

基于中性集合与双边滤波的NSCT域声呐图像去噪

声呐设备在获取水下图像时，由于海底混响、散射回波和设备等因素，会产生严重的斑点噪声干扰，降低图像质量.为了克服这一挑战，提出基于中性集合与双边滤波的非下采样轮廓波变换声呐图像去噪.该方法探索了一种适合处理非下采样轮廓波变换分解的高频子带噪声的聚类去噪方法，将中性集合域作为聚类的方法应用在每一层高频子图像，用真子集、不确定集和假集表示，实现分离噪声，保留有效信息；再使用双边滤波去除真子集中被误认为是图像信息的噪声；对低频系数使用双边滤波进行平滑.最后将处理后的低频子带与高频子带进行NSCT重构，达到从图像中去除斑点噪声的目的.实验表明，本文方法能够提高图像视觉效果，改善图像均方误差、峰值信噪比等评价指标，同时也适用于去除高密度噪声.     

基于最小生成树的点云数据去噪方法

为了保证重建的模型质量或模型配准的精度,提出采用基于最小生成树的聚类算法将点云数据中的噪点去除,并在尸体股骨上对这种骨表面点云数据的获取方法的可行性和噪点去除方法的有效性进行了验证。实验证明,这种数据获取方法是可行的,所采用的噪点去除方法也是有效的。     

一种推扫式光子计数激光雷达点云滤波算法及其验证

提出一种用于推扫式光子计数激光雷达点云滤波方法。定义了一种线性径向基函数,利用这种基函数可以计算密度点密度值;基于此实现了一种粗滤波和精去噪结合的点云滤波算法,经过两个步骤的滤波之后能够对诸如植被等分层地物进行精细滤波。使用NASA的机载激光雷达MABEL的实际飞行数据对这种滤波算法进行了验证,并与中值滤波算法的效果进行了对比。结果表明算法能有效滤除与地面非常接近的噪声点,适合低密度地物目标点云的滤波处理,能够很好保留细节,其中植被滤波精度90.26%,地面点滤波精度96.11%。     

基于L~1范数变分模型的高密度椒盐噪声滤波

针对现有图像滤波算法在去除高密度椒盐噪声方面的不足,提出了一种基于L1范数变分模型的去噪算法.该算法首先根据椒盐噪声的特点和像素的局部灰度特征分离出噪声点和信号点,在滤波过程中,对信号点不予处理,而对噪声点采用基于L1范数的变分模型进行恢复.由于椒盐噪声的灰度值与原始像素无关,因此,去噪时只利用噪声点邻域内信号点本身的灰度信息,并将已处理过的噪声点当作新的信号点,以避免对下一像素滤波时的影响.最后通过仿真实验,结果表明,在高密度噪声条件下(50%),该算法的噪声去除能力和细节保护能力均可获得令人满意的结果.     

一种基于曲线波的改进自交叉双边滤波方法

针对图像中的高斯型随机噪声去除问题,提出一种改进的自交叉双边滤波算法.带噪图像首先通过预滤波器得到预降噪图像,令其作为参考图像计算灰度测度权重,再在原始带噪图像上运用交叉双边滤波得到最终去噪结果.预滤波器采用曲线波阈值去噪,并以图像子块间相似度代替原始双边滤波器中的单点像素间相似度计算灰度测度权重.仿真实验结果表明,该算法能很好地克服双边滤波和曲线波阈值去噪算法在噪声去除和伪像抑制方面的内在缺陷,进一步提高图像峰值信噪比(PSNR).     

基于SAR图像滤波的小波模糊聚类算法

针对合成孔径雷达(SAR:Synthetic Aperture Radar)图像固有的相干斑噪声,提出了基于小波模糊聚类算法的去噪方法.该方法把信号和噪声的小波系数的分割看为一个两类模式分类问题.通过将小波系数幅值和高频子图像中的边缘信息作为聚类特征进行噪声系数分离,实现了精确分离小波系数,滤除相干斑噪声的目的.该算法不需要选择阈值和了解噪声的先验知识,有较强的数据自组织能力.实验结果表明,二维聚类滤波的信噪比提高了近8%,图像显示效果也得到了明显改善.