CN112233022A - 一种基于梯度域修正的激光雷达引导滤波去噪方法 - Google Patents
一种基于梯度域修正的激光雷达引导滤波去噪方法 Download PDFInfo
- Publication number
- CN112233022A CN112233022A CN201910633735.0A CN201910633735A CN112233022A CN 112233022 A CN112233022 A CN 112233022A CN 201910633735 A CN201910633735 A CN 201910633735A CN 112233022 A CN112233022 A CN 112233022A
- Authority
- CN
- China
- Prior art keywords
- waveform
- filtering
- window width
- guide
- gradient domain
- 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.)
- Pending
Links
- 238000001914 filtration Methods 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000012937 correction Methods 0.000 title claims abstract description 29
- 238000012935 Averaging Methods 0.000 claims abstract description 4
- 230000035945 sensitivity Effects 0.000 claims description 5
- 230000000717 retained effect Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 13
- 230000007547 defect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
Description
技术领域
本发明属于激光雷达技术领域,具体为一种基于梯度域修正的激光雷达引导滤波去噪方法,是一种通过波形的梯度域信息修正引导滤波的去噪方法,实现对含尖锐凸起、含多脉宽回波分量的激光雷达波形数据动态去噪。
背景技术
激光雷达LiDAR(Light Detection and Ranging)是一种通过激光脉冲对目标的距离和速度进行探测的主动式遥感技术,原理是向待测目标发射激光脉冲,脉冲在同目标相互作用后,通过采样器对回波信号进行接收采样,对得到的数据进行适当的处理以获得待测目标的相关信息,随着激光成像技术的发展,激光雷达开始具备对目标方向、速度、姿态、形状等信息探测的能力,并被广泛应用于探测领域。
在激光雷达***中,为了获得更加丰富的环境和目标信息,需要对回波波形分析提取如幅值、脉冲宽度、积分强度等信息。对于一些激光雷达的应用场景,如扫描特殊地形和植被覆盖的区域,回波会出现多回波叠加的情况,此时良好的滤波算法可以在去除噪声的同时保留更多有效的信息,是进行波形深入分析的基本保证。
激光雷达回波信号的噪声主要由三部分组成:探测器噪声、环境光噪声和读出电路噪声,其中散粒噪声和热噪声占主导地位,通常的表现形式为高斯白噪声。目前在图像领域应用最广泛的滤除高斯噪声的方法有高斯滤波算法、双边滤波算法和引导滤波算法,但是这些算法对波形的尖锐边缘无法有筛选的保留。传统引导滤波在波形中存在尖锐凸起分量的情况下,为了保证大面积平缓分量的滤波效果,设定的参数不适用于尖锐部分,导致尖锐部分经过滤波后趋于平缓;传统引导滤波在无尖锐凸起分量的情况下,窗宽半径固定,无梯度域自适应窗宽的修正,存在峰值处幅值偏低的问题。激光雷达的某些应用场景如海洋水深探测中会出现不同脉宽的回波分量,甚至尖锐凸起分量。
引导滤波是一种图像滤波技术,通过引导图I,对目标图像G(输入图像)进行滤波处理,使得最后的输出图像大体上与目标图像G相似,但是纹理部分与引导图I相似,广泛用于图像平滑与边缘保留。
激光雷达在一些特定的应用场景全波形呈现出大脉宽变化,甚至出现尖锐分量。传统引导滤波在尖锐存在的情况下需要保证平缓波形的滤波效果,存在对尖锐凸起边缘保留效果差的缺点;在无尖锐凸起的情况存在波峰处幅值偏低,窗宽不能跟随波形梯度域微调与修正等缺点。
面对激光雷达不断拓展的应用环境,传统滤波器不能满足激光雷达回波的多种变化,不能适应回波分量大脉宽变化,波形存在尖锐起伏时无法保证平缓分量的滤波效果。
因此,亟需一种基于梯度域修正的激光雷达引导滤波去噪方法。
发明内容
为解决现有技术存在的缺陷,本发明提供一种基于梯度域修正的激光雷达引导滤波去噪方法。
为了解决上述技术问题,本发明提供了如下的技术方案:
本发明一种基于梯度域修正的激光雷达引导滤波去噪方法,包括以下步骤:
输入目标波形G、引导波形I,判断是否存在尖锐起伏,调整参数α;
计算目标波形G和引导波形I的协方差,再分别计算目标波形G和引导波形I的方差,逐像素点相乘;
根据归一化的G、I波形协方差,动态调整滤波器窗宽;
考虑上述尖锐起伏判断参数α、基于梯度域的窗宽修正,得到改进后的引导滤波函数,对输入波形进行滤波处理,输出滤波后的波形。
作为本发明的一种优选技术方案,本发明提供一种基于梯度域修正的激光雷达引导滤波去噪方法,包括以下步骤:
步骤一、输入目标波形G,引导波形I,Z与I在以像素k为中心的窗口中存在局部线性关系,则输出波形为:
Z(p)=apG(p)+bp (1)
其中,ap、bp为线性系数;去噪后目标波形为:
Z(p)=G(p)-n(p) (2)
其中,n(p)为噪声;联立(1)、(2)得到代价函数:
其中,p代表输入波形像素点,ap′、bp′分别为对应窗宽Ωδ(p′)的线性系数,ψn为敏感度参数;
步骤二、令代价函数E最小,得到:
bp′=μX,δ(p′)-aμG,δ(p′)
其中,α为尖锐阈值判断系数,当需要保留输入波形中存在的尖锐边缘时,α=1;当输入波形中均为平缓高斯分量时,α=0;
ε=(0.001×(max(G(p))-min(G(p)))2)2
δ(p)=varG,I(p)×δ0
其中,初始窗宽δ0与***采样率和噪声水平有如下关系:
步骤四、去设定窗宽内所有包含像素点p′的线性系数平均值;
步骤五、得到最终输出结果波形。
本发明的有益效果是:本发明根据波形的梯度域信息改变滤波核,动态调整滤波器窗宽,实现了对尖锐起伏边缘有效保留的同时对平缓区域的良好滤波,基于尖锐阈值判断、梯度域窗宽修正的引导滤波去噪,实现激光雷达大脉宽变化全波形回波的动态去噪。
附图说明
图1是本发明一种基于梯度域修正的激光雷达引导滤波去噪方法的工作流程图。
图2是本发明一种基于梯度域修正的激光雷达引导滤波去噪方法中基于梯度域信息的动态窗宽对应图。
图3是本发明一种基于梯度域修正的激光雷达引导滤波去噪方法中基于梯度域修正滤波去噪方法与现有滤波去噪方法的效果对比图。
图4是本发明一种基于梯度域修正的激光雷达引导滤波去噪方法中基于梯度域修正滤波去噪方法与现有滤波去噪方法在波形存在尖锐起伏情况下的效果对比图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
为了达到本发明的目的,如图1所示,在本发明的其中一种实施方式中提供一种基于梯度域修正的激光雷达引导滤波去噪方法,包括以下步骤:
输入目标波形G、引导波形I,判断是否存在尖锐起伏,调整参数α;
计算目标波形G和引导波形I的协方差,再分别计算目标波形G和引导波形I的方差,逐像素点相乘;
根据归一化的G、I波形协方差,动态调整滤波器窗宽;
考虑上述尖锐起伏判断参数α、基于梯度域的窗宽修正,得到改进后的引导滤波函数,对输入波形进行滤波处理,输出滤波后的波形。
为了进一步地优化本发明的实施效果,在本发明的另一种实施方式中,在前述内容的基础上,本发明提供一种基于梯度域修正的激光雷达引导滤波去噪方法,包括以下步骤:
步骤一、输入目标波形G,引导波形I,Z与I在以像素k为中心的窗口中存在局部线性关系,则输出波形为:
Z(p)=apG(p)+bp (1)
其中,ap、bp为线性系数;去噪后目标波形为:
Z(p)=G(p)-n(p) (2)
其中,n(p)为噪声;联立(1)、(2)得到代价函数:
其中,p代表输入波形像素点,ap′、bp′分别为对应窗宽Ωδ(p′)的线性系数,ψn为敏感度参数;
步骤二、令代价函数E最小,得到:
bp′=μX,δ(p′)-aμG,δ(p′)
其中,α为尖锐阈值判断系数,当需要保留输入波形中存在的尖锐边缘时,α=1;当输入波形中均为平缓高斯分量时,α=0;
ε=(0.001×(max(G(p))-min(G(p)))2)2
δ(p)=varG,I(p)×δ0
其中,初始窗宽δ0与***采样率和噪声水平有如下关系:
步骤四、去设定窗宽内所有包含像素点p′的线性系数平均值;
步骤五、得到最终输出结果波形。
如图2所示,其为本发明一种基于梯度域修正的激光雷达引导滤波去噪方法中基于梯度域信息的动态窗宽对应图。
如图3所示,其为本发明一种基于梯度域修正的激光雷达引导滤波去噪方法中基于梯度域修正滤波去噪方法与现有滤波去噪方法在波形无尖锐起伏情况下的效果对比图。其中权重引导滤波是在引导滤波的基础上进行的修正,在无尖锐起伏的情况下,权重引导滤波和传统引导滤波均能较好的保持波形的光滑性;梯度引导滤波算法由于对起伏边缘过于敏感,导致波形由于噪声导致的起伏部分过度保留,滤波结果光滑度差;梯度域动态窗宽引导滤波由于在梯度域引导滤波的基础上增加了判断阈值系数,在传统引导滤波的基础上集成了梯度引导滤波对起伏边缘敏感的特性,同时避免了梯度引导滤波的过度敏感,适应性较强,基于像素点的动态窗宽使滤波效果优于同类算法。
如图4所示,其为本发明一种基于梯度域修正的激光雷达引导滤波去噪方法中基于梯度域修正滤波去噪方法与现有滤波去噪方法在波形存在尖锐起伏情况下的效果对比图。其中梯度引导滤波对起伏边缘的高敏感使其对波形突变边缘有较好的保留效果;权重引导滤波和传统引导滤波对核函数权重的改变程度有限,突变边缘处权重引导效果优于传统引导滤波;梯度域动态窗宽引导滤波集成了梯度引导滤波对起伏边缘敏感的特性,同时基于像素点的动态窗宽使滤波效果优于同类算法。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (2)
2.根据权利要求1所述的基于梯度域修正的激光雷达引导滤波去噪方法,其特征在于,包括以下步骤:
步骤一、输入目标波形G,引导波形I,Z与I在以像素k为中心的窗口中存在局部线性关系,则输出波形为:
Z(p)=apG(p)+bp (1)
其中,ap、bp为线性系数;去噪后目标波形为:
Z(p)=G(p)-n(p) (2)
其中,n(p)为噪声;联立(1)、(2)得到代价函数:
其中,p代表输入波形像素点ap′、bp′分别为对应窗宽的线性系数Ωδ(p′),ψn为敏感度参数;
步骤二、令代价函数E最小,得到:
bp′=μX,δ(p′)-aμG,δ(p′)
其中,α为尖锐阈值判断系数,当需要保留输入波形中存在的尖锐边缘时,α=1;当输入波形中均为平缓高斯分量时,α=0;
ε=(0.001×(max(G(p))-min(G(p)))2)2
χ(p′)=σG,1(p′)σG,δ(p′)
δ(p)=varG,I(p)×δ0
其中,初始窗宽δ0与***采样率和噪声水平有如下关系:
步骤四、去设定窗宽内所有包含像素点p′的线性系数平均值;
步骤五、得到最终输出结果波形。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910633735.0A CN112233022A (zh) | 2019-07-15 | 2019-07-15 | 一种基于梯度域修正的激光雷达引导滤波去噪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910633735.0A CN112233022A (zh) | 2019-07-15 | 2019-07-15 | 一种基于梯度域修正的激光雷达引导滤波去噪方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112233022A true CN112233022A (zh) | 2021-01-15 |
Family
ID=74111443
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910633735.0A Pending CN112233022A (zh) | 2019-07-15 | 2019-07-15 | 一种基于梯度域修正的激光雷达引导滤波去噪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112233022A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116520288A (zh) * | 2023-07-03 | 2023-08-01 | 中国人民解放军国防科技大学 | 一种激光点云测距数据的去噪方法和*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030139165A1 (en) * | 2002-01-18 | 2003-07-24 | General Instrument Corporation | Adaptive threshold algorithm for real-time wavelet de-noising applications |
CN103454622A (zh) * | 2013-09-07 | 2013-12-18 | 西安电子科技大学 | 基于稀疏约束的宽带雷达目标复回波去噪方法 |
CN103761443A (zh) * | 2014-01-28 | 2014-04-30 | 李奇 | 基于小波变换去噪的激光雷达波形数据处理方法 |
CN105929380A (zh) * | 2015-12-01 | 2016-09-07 | 中国科学院上海技术物理研究所 | 一种卫星激光高度计全波形激光雷达数据去噪方法 |
CN108845306A (zh) * | 2018-07-05 | 2018-11-20 | 南京信息工程大学 | 基于变分模态分解的激光雷达回波信号去噪方法 |
-
2019
- 2019-07-15 CN CN201910633735.0A patent/CN112233022A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030139165A1 (en) * | 2002-01-18 | 2003-07-24 | General Instrument Corporation | Adaptive threshold algorithm for real-time wavelet de-noising applications |
CN103454622A (zh) * | 2013-09-07 | 2013-12-18 | 西安电子科技大学 | 基于稀疏约束的宽带雷达目标复回波去噪方法 |
CN103761443A (zh) * | 2014-01-28 | 2014-04-30 | 李奇 | 基于小波变换去噪的激光雷达波形数据处理方法 |
CN105929380A (zh) * | 2015-12-01 | 2016-09-07 | 中国科学院上海技术物理研究所 | 一种卫星激光高度计全波形激光雷达数据去噪方法 |
CN108845306A (zh) * | 2018-07-05 | 2018-11-20 | 南京信息工程大学 | 基于变分模态分解的激光雷达回波信号去噪方法 |
Non-Patent Citations (1)
Title |
---|
XIA, X ET AL.: "Robust Noise Suppression Technique for a LADAR System via Eigenvalue-Based Adaptive Filtering", 《SENSORS 2019》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116520288A (zh) * | 2023-07-03 | 2023-08-01 | 中国人民解放军国防科技大学 | 一种激光点云测距数据的去噪方法和*** |
CN116520288B (zh) * | 2023-07-03 | 2023-09-22 | 中国人民解放军国防科技大学 | 一种激光点云测距数据的去噪方法和*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11215700B2 (en) | Method and system for real-time motion artifact handling and noise removal for ToF sensor images | |
CN107167810B (zh) | 一种侧扫声纳成像的水下目标快速提取方法 | |
CN108537756B (zh) | 基于图像融合的单幅图像去雾方法 | |
CN104778669B (zh) | 快速图像去噪方法及装置 | |
CN111833366A (zh) | 一种基于Canny算法的边缘检测方法 | |
EP2846306B1 (en) | Image processing apparatus for removing haze contained in still image and method thereof | |
US6097849A (en) | Automated image enhancement for laser line scan data | |
CN109447912B (zh) | 一种荧光导航内窥镜***的荧光图像自适应增强及降噪方法 | |
CN111369570B (zh) | 一种视频图像的多目标检测跟踪方法 | |
CN111062293A (zh) | 一种基于深度学习的无人机森林火焰识别方法 | |
Han et al. | Research and implementation of an improved canny edge detection algorithm | |
CN114596329A (zh) | 一种气体图像增强及气体泄露检测方法和*** | |
CN109829858A (zh) | 一种基于局部自适应阈值的船载雷达图像溢油监测方法 | |
CN112233022A (zh) | 一种基于梯度域修正的激光雷达引导滤波去噪方法 | |
CN105913391B (zh) | 一种基于形状可变形态学重构的去雾方法 | |
CN112230198B (zh) | 一种基于梯度窗宽权重修正的激光雷达回波波形去噪方法 | |
CN115994870B (zh) | 一种用于增强去噪的图像处理方法 | |
CN115631114B (zh) | 基于时域剖面分析的暗弱动目标指示增强在轨处理方法 | |
US7164787B1 (en) | Enhancing two-dimensional contrast images rendered from three-dimensional streak tube imaging lidar (STIL) data | |
US7203339B1 (en) | Enhancing two-dimensional contrast and range images rendered from three-dimensional streak tube imaging lidar (STIL) data | |
CN112230199B (zh) | 一种基于高维特征值分析的激光雷达回波盲去噪方法 | |
Zheng et al. | An illumination adaptive underwater image enhancement method | |
Xiao et al. | Underwater image classification based on image enhancement and information quality evaluation | |
CN113592914A (zh) | 红外弱小飞行目标自适应检测跟踪方法、装置 | |
US7164788B1 (en) | Enhancing two-dimensional range images rendered from three-dimensional streak tube imaging lidar (STIL) data |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210115 |