CN109859128B - 一种基于贝叶斯估计切换规则的互动系统切换滤波方法 - Google Patents

Abstract

本发明公开了一种基于贝叶斯估计切换规则的互动系统切换滤波方法，建立包含联合双边滤波子系统和改进型自适应中值滤波子系统的滤波切换系统，并引入贝叶斯估计切换规则在联合双边滤波子系统和改进型自适应中值滤波子系统之间进行切换，通过选用联合双边滤波子系统滤除高斯噪声或选用改进型自适应中值滤波子系统滤除椒盐噪声。本发明针对每帧图像受到的主要噪声，通过切换到适合对应噪声的滤波子系统，使得图像滤波系统在精确度和实时性之间实现平衡。

Description

一种基于贝叶斯估计切换规则的互动系统切换滤波方法

技术领域

本发明属于人机互动技术领域，具体涉及一种基于贝叶斯估计切换规则的互动系统切换滤波方法。

背景技术

大屏互动投影图像系统在图像获得和传输的过程中都会携带各种噪声，这些噪声经常覆盖了图像原始信息，对图像的分割、特征提取以及目标跟踪等后续处理工作造成了严重影响。因此，采用合适的滤波算法对图像进行噪声预处理是一项非常有必要的步骤。

现有的基于3D传感器Kinect的图像滤波系统，在噪声处理过程中，容易受到光照干扰、信道传输干扰以及传感器本身存在噪声等方面的影响，图像滤波效果很难达到理想效果。

在实际信号滤波处理过程中，系统往往包含多种干扰信号和噪声，采取单一的滤波器经常无法得到有效的滤波效果，难以获得较好的精确度效果。另外，实际工况条件下多样化的噪声产生方式，决定了单一的滤波算法去噪效果并不理想。为此，研究者提出了许多混合滤波算法，进而提高了系统的精确度，但系统的实时性很难得到保障。因此，如何保证互动系统的滤波精确度和实时性之间的平衡至关重要。

切换系统是从系统与控制科学的角度来研究混杂系统的一类重要模型，由切换规则确定每一时刻切换系统将切换到哪一个子系统，并且在每一时刻只能有一个子系统起作用。切换控制技术的应用实现了控制系统的基本问题的同时，也改善了系统的暂态性能，还能满足智能控制快速发展的需要。

发明内容

本发明的发明目的是提供一种基于贝叶斯估计切换规则的互动系统切换滤波方法，针对每帧图像受到的主要噪声，通过切换到适合对应噪声的滤波子系统，使得图像滤波系统在精确度和实时性之间实现平衡。

为达到上述发明目的，本发明采用的技术方案是：一种基于贝叶斯估计切换规则的互动系统切换滤波方法，建立包含联合双边滤波子系统和改进型自适应中值滤波子系统的滤波切换系统，并引入贝叶斯估计切换规则在联合双边滤波子系统和改进型自适应中值滤波子系统之间进行切换，通过选用联合双边滤波子系统滤除高斯噪声或选用改进型自适应中值滤波子系统滤除椒盐噪声。

上述技术方案中，所述联合双边滤波子系统引入导向图作为值域权重的计算依据，其公式为：

其中，

是引入的导向图。

上述技术方案中，所述改进型自适应中值滤波子系统中引入均值滤波，所述均值滤波的公式为：

其中，g(s,t)是被噪声污染的M×N图像，g_r(s,t)是剩余像素，p是g(s,t)中灰度值为0的像素个数，q为灰度值为g(s,t)中255的像素个数。

上述技术方案中，所述改进型自适应中值滤波子系统的步骤如下：

步骤一、对每一个像素点z_xy，计算B层，如果B₁＞0且B₂<0，则z_xy不变，否则转步骤二；

步骤二、计算A层，如果A₁＞0且A₂<0且窗口尺寸≤S_max，则使用z_med代替原像素值；如果A₁≤0或A₂≥0，且窗口尺寸为S_max，则使用z_mea代替原像素；如果A₁≤0或A₂≥0，且窗口尺寸<S_max，则增大窗口，转回步骤一；

其中，z_xy是坐标(x,y)处的灰度像素值，S_max是S_xy允许的最大尺寸，z_med＝med(S_xy)是模板窗口内像素的中值，z_mea是修正后的均值滤波结果。

上文中，所述改进型自适应中值滤波子系统分为A层和B层。

上述技术方案中，所述贝叶斯估计切换规则的公式为：

其中，θ是要求得的未知的参数，D＝{x₁,x₂,…,x_n}是观测的数据，p(θ)是不考虑D因素的先验概率或边缘概率，p(D)是D的边缘概率或先验概率，p(θ|D)是D发生后的条件概率，p(D|θ)是已知θ发生后D的条件概率。

由于上述技术方案运用，本发明与现有技术相比具有下列优点：

本发明针对每帧图像受到的主要噪声，通过贝叶斯切换规则切换到适合对应噪声的联合双边滤波子系统或改进型自适应中值滤波子系统，使得图像滤波系统在精确度和实时性之间实现平衡。

附图说明

图1是本发明实施例一的切换滤波方法的系统结构示意图。

图2是本发明实施例一的改进型自适应中值滤波算法流程图。

图3是本发明实施例一的贝叶斯估计切换规则结构示意图。

图4是本发明实施例一的第一组Kinect采集的原始深度图像。

图5是本发明实施例一的对图4进行联合双边滤波后的图像。

图6是本发明实施例一的对图4进行切换滤波后的图像。

图7是本发明实施例一的第二组Kinect采集的原始深度图像。

图8是本发明实施例一的对图7进行改进型自适应中值滤波后的图像。

图9是本发明实施例一的对图7进行切换滤波后的图像。

具体实施方式

下面结合附图及实施例对本发明作进一步描述：

实施例一：

参见图1所示，一种基于贝叶斯估计切换规则的互动系统切换滤波方法，建立包含联合双边滤波子系统和改进型自适应中值滤波子系统的滤波切换系统，并引入贝叶斯估计切换规则在联合双边滤波子系统和改进型自适应中值滤波子系统之间进行切换，通过选用联合双边滤波子系统滤除高斯噪声或选用改进型自适应中值滤波子系统滤除椒盐噪声。

本实施例中，通过加入导向图作为值域权重的计算依据改善图像的滤波性能。这样处理过的图像在滤除噪声的同时还能够很好地对图像进行保边处理。所述联合双边滤波的公式为：

其中，

是引入的导向图，与待处理的图像相似，通过比对引入的导向图与含噪图像的边缘对比，能够有效的去除空洞的存在，提升图像的精准度。

本实施例中，所述改进型自适应中值滤波子系统中引入在去除噪声方面有较大优势的均值滤波以达到更好的去除噪声目的，通过采用修正后的均值滤波，将S_xy领域内的灰度值为0和255的像素去除。修正后的均值滤波的公式为：

其中，g(s,t)是被噪声污染的M×N图像，g_r(s,t)是剩余像素，p是g(s,t)中灰度值为0的像素个数，q为灰度值为g(s,t)中255的像素个数。

本实施例中，参见图2所示，所述改进型自适应中值滤波子系统的步骤如下：

步骤一、对每一个像素点z_xy，计算B层，如果B₁＞0且B₂<0，则z_xy不变，否则转步骤二；

步骤二、计算A层，如果A₁＞0且A₂<0且窗口尺寸≤S_max，则使用z_med代替原像素值；如果A₁≤0或A₂≥0，且窗口尺寸为S_max，则使用z_mea代替原像素；如果A₁≤0或A₂≥0，且窗口尺寸<S_max，则增大窗口，转回步骤一；

其中，z_xy是坐标(x,y)处的灰度像素值，S_max是S_xy允许的最大尺寸，z_med＝med(S_xy)是模板窗口内像素的中值，z_mea是修正后的均值滤波结果。

上文中，所述改进型自适应中值滤波子系统分为A层和B层。

本实施例中，参见图3所示，所述贝叶斯估计切换规则的公式为：

其中，θ是要求得的未知的参数，D＝{x₁,x₂,…,x_n}是观测的数据，p(θ)是不考虑D因素的先验概率或边缘概率，p(D)是D的边缘概率或先验概率，p(θ|D)是D发生后的条件概率，p(D|θ)是已知θ发生后D的条件概率，即代表相似度。

根据全概率公式展开分母，得到式(4)：

p(D)＝∫_θp(D|θ)p(θ)dθ (4)

由式(4)进而得到：

将式(5)代入式(3)，得到：

可得贝叶斯估计值为：

切换信号满足上述贝叶斯估计值，即将利用已有的滤波对原有判断进行修正，完成对下一滤波子系统选择的预判，提升滤波系统的精准性、滤波效果。

本发明还建立了基于Kinect深度图像的互动投影系统平台，该平台借助OpenCV函数库，采用Visual C++6.0编程，集实时数据的采集、滤波、显示、算法仿真与控制于一体。当一副图像在传输的过程中，可能受到各种内外部干扰造成的噪声，对其作去噪处理使得图像更接近未干扰的原始图像，通过对比实验验证本发明提出的切换滤波的滤波性能。

首先做一组操作者从屏幕从左至右移动，Kinect采集的原始深度图像的滤波效果试验。在Kinect采集的原始深度中人为加入噪声，第1、5、7帧加入标准差δ＝20高斯噪声，第3帧中加入密度p＝20％椒盐噪声，如图4所示，对噪声图像全部进行联合双边滤波，滤波效果如图5所示，最后在原始图像中引入本发明的基于切换系统的切换滤波，滤波效果如图6所示。

然后，操作者从屏幕从右至左移动，再次通过与自适应中值滤波结果进行对比检验切换滤波的优化性能。在Kinect采集的原始深度图中第1、5、7帧加入密度p＝20％椒盐噪声，第3帧加入标准差δ＝20高斯噪声，如图7所示，对噪声图像全部进行中值滤波，滤波效果如图8所示；最后对受污染的图像采取本发明的基于切换系统的切换滤波，滤波效果如图9所示。

对比上述图像可以看出，当Kinect传感器采集的原始深度图像受到不同噪声干扰时，通过单一滤波算法滤波后得到了不同的去噪效果图。经过墙面切换滤波算法后的图像中，椒盐噪声和高斯噪声都能够得到有效的滤除，图像变得干净平滑。

客观评价准则是使用一些既定的公式对图像进行计算而得出图像的质量评价，它不依赖于人的视觉系统主观上的判断，相比主观评价准则，更逻辑化数据化，通常在科研领域中都使用这种评价准则。常用的评价方法有平均绝对误差、峰值信噪比、平均结构相似度等等。针对系统噪声的特点，选择对处理后图像的峰噪比进行比对。

峰值信噪比定义如下式：

其中，M代表图像的长，N代表图像的宽。MSE是原始图像与处理之后图像之间均方误差，MSE值越小说明滤波后的图像和原始图像越接近，从而PSNR值越大说明滤波效果越好。借助Matlab软件分别求出经过上面提到的三种滤波算法处理的图像的峰值信噪比。

表1两次试验后各图像的峰值信噪比

对比分析表1可知，经过联合双边滤波，空洞有所减小但仍然存在，主要受高斯噪声的几帧图像PSNR值较大，而主要受椒盐噪声影响的图像PSNR值较小；经过自适应中值滤波，空洞略微减小，而受椒盐噪声污染的的几帧图像PSNR值较大，受高斯噪声影响的图像PSNR值较小；而经过基于切换系统的切换滤波后，各帧图像的PSNR值比另外两种算法的都大，基本在34左右，空洞也明显减小。由此进一步说了单一的去噪算法只能去除特定噪声的情况，而本发明提出的切换滤波对混合噪声的处理效果明显比任何一种单一的滤波器都要好。从实验数据可得出，本发明提出的基于切换系统的切换滤波效果最佳。

表2两次试验不同算法运行时间对比(/ms)

在表2中，加入串联滤波共同验证不同算法的运行时间，串联滤波表示使用联合双边滤波后，进一步引入自适应中值滤波进行滤波。表2数据说明，由于加入了切换滤波算法，切换滤波的运行时间虽然比单一使用联合双边滤波算法和自适应中值滤波算法长，但相比重复滤波的串联滤波的时间短。相比较而言切换滤波算法能够实现算法运行时间的优化。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对上述实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的上述实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (3)

1.一种基于贝叶斯估计切换规则的互动系统切换滤波方法，其特征在于：建立包含联合双边滤波子系统和改进型自适应中值滤波子系统的滤波切换系统，并引入贝叶斯估计切换规则在联合双边滤波子系统和改进型自适应中值滤波子系统之间进行切换，通过选用联合双边滤波子系统滤除高斯噪声或选用改进型自适应中值滤波子系统滤除椒盐噪声；

所述改进型自适应中值滤波子系统中引入均值滤波，所述均值滤波的公式为：

其中，g(s,t)是被噪声污染的M×N图像，g_r(s,t)是剩余像素，p是g(s,t)中灰度值为0的像素个数，q为灰度值为g(s,t)中255的像素个数；

所述改进型自适应中值滤波子系统分为A层和B层；

所述改进型自适应中值滤波子系统的步骤如下：

步骤一、对每一个像素点z_xy，计算B层，如果B₁>0且B₂<0，则z_xy不变，否则转步骤二；

步骤二、计算A层，如果A₁>0且A₂<0且窗口尺寸≤S_max，则使用z_med代替原像素值；如果A₁≤0或A₂≥0，且窗口尺寸为S_max，则使用z_mea代替原像素；如果A₁≤0或A₂≥0，且窗口尺寸<S_max，则增大窗口，转回步骤一；

其中，z_xy是坐标(x,y)处的灰度像素值，S_max是S_xy允许的最大尺寸，z_med＝med(S_xy)是模板窗口内像素的中值，z_mea是修正后的均值滤波结果。

2.根据权利要求1所述的基于贝叶斯估计切换规则的互动系统切换滤波方法，其特征在于：所述联合双边滤波子系统引入导向图作为值域权重的计算依据，其公式为：

其中，

是引入的导向图。

3.根据权利要求1所述的基于贝叶斯估计切换规则的互动系统切换滤波方法，其特征在于：所述贝叶斯估计切换规则的公式为：

其中，θ是要求得的未知的参数，D＝{x₁,x₂,…,x_n}是观测的数据，p(θ)是不考虑D因素的先验概率或边缘概率，p(D)是D的边缘概率或先验概率，p(θ|D)是D发生后的条件概率，p(D|θ)是已知θ发生后D的条件概率。

Images