CN111242861A - 去除tof相机杂散光方法及装置、电子设备及存储介质 - Google Patents
去除tof相机杂散光方法及装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111242861A CN111242861A CN202010019839.5A CN202010019839A CN111242861A CN 111242861 A CN111242861 A CN 111242861A CN 202010019839 A CN202010019839 A CN 202010019839A CN 111242861 A CN111242861 A CN 111242861A
- Authority
- CN
- China
- Prior art keywords
- confidence
- map
- degradation
- confidence coefficient
- core
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000015556 catabolic process Effects 0.000 claims abstract description 73
- 238000006731 degradation reaction Methods 0.000 claims abstract description 73
- 238000004364 calculation method Methods 0.000 claims abstract description 56
- 230000006870 function Effects 0.000 claims description 48
- 235000001892 vitamin D2 Nutrition 0.000 claims description 12
- 230000015654 memory Effects 0.000 claims description 11
- 102100037651 AP-2 complex subunit sigma Human genes 0.000 claims description 6
- 101000806914 Homo sapiens AP-2 complex subunit sigma Proteins 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 abstract description 6
- 230000001629 suppression Effects 0.000 abstract description 6
- 238000004891 communication Methods 0.000 description 16
- 230000003287 optical effect Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 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
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- 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
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种去除TOF相机杂散光的方法,所述方法包括:将所述TOF相机采集得到的灰度图,计算得到置信度图;将所述置信度图与退化核进行卷积计算,得到退化置信度图;将所述退化置信度图减去所述置信度图,得到置信度偏置图;判断所述置信度图的置信度是否大于所述置信度偏置图的置信度偏置与本底噪声的和,根据判断结果进行深度解算。本发明对置信度图进行抑制杂散光处理代替对原始灰度图进行抑制杂散光处理,将杂散光的影响同化为本底噪声的影响,同时深度解算的执行条件是置信度足够大,杜绝将属于杂散光的像素进行深度解算得到假的深度值的可能,并将属于杂散光的这些像素的深度值置为零,跳过深度解算环节,提高了输出深度的精度。
Description
技术领域
本发明涉及图像处理技术领域,尤指一种去除TOF相机杂散光方法及装置、电子设备和存储介质。
背景技术
TOF(Time-Of-Flight)相机采用激光主动成像的方式,其核心为TOF芯片,其上的每个像元可记录对应视场角的激光回波信息,可以减少外界背景光的干扰,但仍会受到内部光学元件的多次反射等机制的影响,从而引入杂散光。
现有的研究及工程实践中,大部分通过光学系统、光机系统方面的处理方法,如遮光罩、表面镀膜等方法,可以从原理上实现杂散光的抑制,但受限于设计、工艺,此方法难以完全去除杂散光,因此,可通过后端的图像算法,如图像退化、稀疏约束、矩匹配等方法,从输出结果上进一步实现杂散光的抑制。
但是,目前通过图像算法等方式进行杂散光抑制的研究及工程实践,多为基于被动受光的成像系统,鲜有基于激光主动照明的成像系统的研究或工程实践。
发明内容
本发明实施例的目的是提供一种去除杂散光方法及装置、电子设备和存储介质,借以通过图像处理对TOF相机产生的杂散光进行有效的抑制。
为解决上述问题,第一方面,本发明实施例提供了一种去除TOF相机杂散光的方法,所述方法包括:
将所述TOF相机采集得到的灰度图,计算得到置信度图;
将所述置信度图与退化核进行卷积计算,得到退化置信度图;
将所述退化置信度图减去所述置信度图,得到置信度偏置图;
判断所述置信度图的置信度是否大于所述置信度偏置图的置信度偏置与本底噪声的和,根据判断结果进行深度解算。
优选地,所述将所述TOF相机采集得到的灰度图,计算得到置信度图包括:
设若干灰度图的像素分别计为I1(x,y)、I2(x,y)、…、In(x,y),其中,(x,y)表示像素坐标,x取值为1、2、…、img_width,y取值为1、2、…、img_height,其中,所述置信度图与灰度图的分辨率相同,即img_width×img_height,并将置信度图计为I_confidence,像素位置为(x,y)的置信度图的像素为I_confidence(x,y),所述置信度图的计算公式为:
I_confidence(x,y)=I_max+I_mid–2×I_min,其中,I_max、I_mid、I_min分别表示I1(x,y)、I2(x,y)、…、In(x,y)的最大值、中间值、最小值。
优选地,所述将所述置信度图与退化核进行卷积计算,得到退化置信度图。
具体包括:
计算所述退化核,所述退化核计为I_decay_core;
将置信度图I_confidence与退化核I_decay_core进行same卷积,得到same卷积的结果作为退化置信度图,其分辨率为img_width×img_height,计为I_confidence_decay。
优选地,所述计算所述退化核,所述退化核计为I_decay_core具体包括:
所述退化核由指定的三个Gaussian函数生成,所述Gaussian函数公式为:
其中,σ为方差;
三个Gaussian函数的宽均一致,且为奇数,计为decay_core_width;
三个Gaussain函数的高均一致,且为奇数,计为decay_core_height;
三个Gaussian函数的方差不全一致,分别计为σ1、σ2、σ3;
三个Gaussian函数的权重不全一致,分别计为weight1、weight2、weight3。
令(x,y)均为相对于中心的位置,即((decay_core_width+1)/2,(decay_core_height+1)/2)为坐标原点,计算三个Gaussain函数各个点的值,计为g1(x,y)、g2(x,y)、g3(x,y);
将三个Gaussian函数按各自的权重相加,并归一化得到退化核,计为I_decay_core=(weight1×g1(x,y)+weight2×g2(x,y)+weight3×g3(x,y))/(weight1+weight2+weight3)。
将置信度图I_confidence与退化核I_decay_core进行same卷积,得到same卷积的结果作为退化置信度图,其分辨率为img_width×image_height。
优选地,所述根据判断结果进行深度解算。具体包括:
若所述置信度图的置信度大于所述置信度偏置图的置信度偏置与本底噪声的和,则进行深度解算,解算结果为输出深度;
若所述置信度图的置信度不大于所述置信度偏置图的置信度偏置与本底噪声的和,则不进行深度结算,将深度置为零。
第二方面,本发明实施例还提供了一种去除TOF相机杂散光的装置,所述装置包括:
置信度图计算模块,用于将所述TOF相机采集得到的灰度图,计算得到置信度图;
退化置信度图计算模块,用于将所述置信度图与退化核进行卷积计算,得到退化置信度图;
置信度偏置图计算模块,用于将所述退化置信度图减去所述置信度图,得到置信度偏置图;
深度解算模块,用于判断所述置信度图的置信度是否大于所述置信度偏置图的置信度偏置与本底噪声的和,并根据判断结果进行深度解算。
优选地,所述退化置信度图计算模块计算所述退化核,将所述退化核计为I_decay_core;将置信度图I_confidence与退化核I_decay_core进行same卷积,得到same卷积的结果作为退化置信度图,其分辨率为img_width×img_height,计为I_confidence_decay,所述退化核由指定的三个Gaussian函数生成,所述Gaussian函数公式为:
其中,σ为方差;
三个Gaussian函数的宽均一致,且为奇数,计为decay_core_width;
三个Gaussain函数的高均一致,且为奇数,计为decay_core_height;
三个Gaussian函数的方差不全一致,分别计为σ1、σ2、σ3;
三个Gaussian函数的权重不全一致,分别计为weight1、weight2、weight3。
令x,y均为相对于中心的位置,即((decay_core_width+1)/2,(decay_core_height+1)/2)为坐标原点,计算三个Gaussain函数各个点的值,计为g1(x,y)、g2(x,y)、g3(x,y);
将三个Gaussian函数按各自的权重相加,并归一化得到退化核,计为I_decay_core=(weight1×g1(x,y)+weight2×g2(x,y)+weight3×g3(x,y))/(weight1+weight2+weight3)。
第三方面,本发明实施例还提供了一种电子设备,所述电子设备包括:
一个或更多个处理器;
一个或更多个存储器;
一个或更多个模块,其被存在存储器中且能够由所述一个或更多个处理器中的至少一个处理器以执行如第一方面所述去除杂散光的方法的步骤。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面所述去除TOF相机杂散光的方法的步骤。
本发明实施例提供的去除TOF相机杂散光的方法、装置、电子设备和计算机存储介质,对置信度图进行抑制杂散光处理代替对原始灰度图进行抑制杂散光处理,则从原理上将杂散光的影响同化为本底噪声的影响,便于实现与后续深度计算的衔接。同时,本发明实施例深度解算的执行条件是置信度足够大,从而杜绝将属于杂散光的像素进行深度解算得到假的深度值的可能,并将属于杂散光的这些像素的深度值置为零,跳过深度解算环节,从而提高了输出深度的精度。
附图说明
下面将以明确易懂的方式,结合附图说明优选实施方式,对异步系统的实现方法、电子设备和存储介质的上述特性、技术特征、优点及其实现方式予以进一步说明。
图1是本发明实施例中一种去除杂散光的方法的流程图;
图2是本发明实施例中一种去除杂散光的装置的结构图;
图3是本发明实施例一种文本中人物关系提取的电子设备的结构示意图。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对照附图说明本发明的具体实施方式。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图,并获得其他的实施方式。
为使图面简洁,各图中只示意性地表示出了与本发明相关的部分,它们并不代表其作为产品的实际结构。另外,以使图面简洁便于理解,在有些图中具有相同结构或功能的部件,仅示意性地绘示了其中的一个,或仅标出了其中的一个。在本文中,“一个”不仅表示“仅此一个”,也可以表示“多于一个”的情形。
如图1所示,本发明实施例提供了一种去除TOF相机杂散光的方法,该方法包括如下步骤:
S100.将所述TOF相机采集得到的灰度图,计算得到置信度图;
在本发明的一个实施例中,将TOF相机的若干初始灰度图,计算得到置信度图,假设选取三张灰度图,它们的像素分别计为I1(x,y)、I2(x,y)、I3(x,y),其中,(x,y)表示像素坐标,x取值为1、2、…、img_width,y取值为1、2、…、img_height,其中,置信度图与灰度图的分辨率相同,即img_width×img_height。
将置信度图计为I_confidence,像素位置为(x,y)的置信度图的像素为I_confidence(x,y),其计算公式为:
I_confidence(x,y)=I_max+I_mid–2×I_min,其中,I_max、I_mid、I_min分别表示I1(x,y)、I2(x,y)、I3(x,y)的最大值、中间值、最小值。
S200.将所述置信度图与退化核进行卷积计算,得到退化置信度图;
在本发明的另一个实施例中,所述退化核为指定的三个Gaussian函数生成,其公式为:
其中,σ为方差。
三个Gaussian函数的宽均一致,且为奇数,计为decay_core_width;
三个Gaussain函数的高均一致,且为奇数,计为decay_core_height;
三个Gaussian函数的方差不全一致,分别计为σ1、σ2、σ3;
三个Gaussian函数的权重不全一致,分别计为weight1、weight2、weight3。
令x,y均为相对于中心的位置,即((decay_core_width+1)/2,(decay_core_height+1)/2)为坐标原点,可计算三个Gaussain函数各个点的值,计为g1(x,y)、g2(x,y)、g3(x,y);
将三个Gaussian函数按各自的权重相加,并归一化,即(weight1×g1(x,y)+weight2×g2(x,y)+weight3×g3(x,y))/(weight1+weight2+weight3),得到退化核,计为I_decay_core;
I_confidence与I_decay_core进行same卷积,得到same卷积的结果作为退化置信度图,所述退化置信度图的分辨率为img_width×img_height,计为I_confidence_decay。
S300.将所述退化置信度图减去置信度图,得到置信度偏置图;
将置信度偏置图计为I_confidence_offset,则I_confidence_offset=I_confidence_decay–I_confidence。
S400.判断所述置信度图的置信度是否大于置信度偏置图的置信度偏置与本底噪声的和,根据判断结果进行深度解算;
在本发明的一个实施例中,所述根据判断结果进行深度解算具体包括:
若所述置信度图的置信度大于置信度偏置图的置信度偏置与本底噪声的和,则进行深度解算,解算结果为输出深度;
若所述置信度图的置信度不大于置信度偏置图的置信度偏置与本底噪声的和,则不进行深度结算,将深度置为零。
即指定本底噪声,计为base_noise,对于每个坐标为(x,y)的像素,其中x取值为1、2、…、img_width,y取值为1、2、…、img_height,若I_confidence(x,y)>I_confidence_offset(x,y)+base_noise,则此坐标位置点可以进行深度解算,获得深度;反之,不进行深度解算,深度为零。
如图2所示,本发明实施例还提供了一种去除TOF相机杂散光的装置,所述装置包括:
置信度图计算模块100,用于将所述TOF相机采集得到的灰度图,计算得到置信度图;
退化置信度图计算模块200,用于将所述置信度图与退化核进行卷积计算,得到退化置信度图;
置信度偏置图计算模块300,用于将所述退化置信度图减去置信度图,得到置信度偏置图;
深度解算模块400,用于判断所述置信度图的置信度是否大于置信度偏置图的置信度偏置与本底噪声的和,并根据判断结果进行深度解算。
优选地,置信度图计算模块100将所述TOF相机采集得到的灰度图,计算得到置信度图包括:
设若干灰度图的像素分别计为I1(x,y)、I2(x,y)、…、In(x,y),其中,(x,y)表示像素坐标,x取值为1、2、…、img_width,y取值为1、2、…、img_height,其中,所述置信度图与灰度图的分辨率相同,即img_width×img_height,并将置信度图计为I_confidence,像素位置为(x,y)的置信度图的像素为I_confidence(x,y),所述置信度图的计算公式为:
I_confidence(x,y)=I_max+I_mid–2×I_min,其中,I_max、I_mid、I_min分别表示I1(x,y)、I2(x,y)、…、In(x,y)的最大值、中间值、最小值。
退化置信度图计算模块200计算所述退化核,将所述退化核计为I_decay_core;将置信度图I_confidence与退化核I_decay_core进行same卷积,得到same卷积的结果作为退化置信度图,其分辨率为img_width×img_height,计为I_confidence_decay,所述退化核由指定的三个Gaussian函数生成,所述Gaussian函数公式为:
其中,σ为方差;
三个Gaussian函数的宽均一致,且为奇数,计为decay_core_width;
三个Gaussain函数的高均一致,且为奇数,计为decay_core_height;
三个Gaussian函数的方差不全一致,分别计为σ1、σ2、σ3;
三个Gaussian函数的权重不全一致,分别计为weight1、weight2、weight3。
令x,y均为相对于中心的位置,即((decay_core_width+1)/2,(decay_core_height+1)/2)为坐标原点,计算三个Gaussain函数各个点的值,计为g1(x,y)、g2(x,y)、g3(x,y);
将三个Gaussian函数按各自的权重相加,并归一化得到退化核,计为I_decay_core=(weight1×g1(x,y)+weight2×g2(x,y)+weight3×g3(x,y))/(weight1+weight2+weight3)。
图3为本发明实施例提供的电子设备的实体结构示意图,所述电子设备架设于第三方设备中,例如移动终端、便携式计算机、IPAD等,如图3所示,该服务器可以包括:一个或多个处理器(processor)610、通信接口(CommunicationsInterface)620、一个或多个存储器(memory)630和通信总线640,其中,处理器610,通信接口620,存储器630通过通信总线640完成相互间的通信。处理器610可以调用存储器630中的逻辑指令,以执行如下方法:将所述TOF相机采集得到的灰度图,计算得到置信度图;将所述置信度图与退化核进行卷积计算,得到退化置信度图;将所述退化置信度图减去置信度图,得到置信度偏置图;
判断所述置信度图的置信度是否大于置信度偏置图的置信度偏置与本底噪声的和,根据判断结果进行深度解算。
通信总线640是连接所描述的元素的电路并且在这些元素之间实现传输。例如,处理器610通过通信总线640从其它元素接收到命令,解密接收到的命令,根据解密的命令执行计算或数据处理。存储器630可以包括程序模块,例如内核(kernel),中间件(middleware),应用程序程序编程接口(ApplicationProgrammingInterface,API)和应用程序。该程序模块可以是有软件、固件或硬件、或其中的至少两种组成。通信接口620将该电子设备与其它网络设备、客户端、移动设备、网络进行连接。例如,通信接口620可以通过有线或无线连接到网络以连接到外部其它的网络设备或用户设备。无线通信可以包括以下至少一种:无线保真(WiFi),蓝牙(BT),近距离无线通信技术(NFC),全球卫星定位系统(GPS)和蜂窝通信等等。有线通信可以包括以下至少一种:通用串行总线(USB),高清晰度多媒体接口(HDMI),异步传输标准接口(RS-232)等等。网络可以是电信网络和通信网络。通信网络可以为计算机网络、因特网、物联网、电话网络。电子设备可以通过通信接口620连接网络,电子设备和其它网络设备通信所用的协议可以被应用程序、应用程序程序编程接口(API)、中间件、内核和通信接口620至少一个支持。
进一步地,本发明实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如包括:将所述TOF相机采集得到的灰度图,计算得到置信度图;将所述置信度图与退化核进行卷积计算,得到退化置信度图;将所述退化置信度图减去置信度图,得到置信度偏置图;判断所述置信度图的置信度是否大于置信度偏置图的置信度偏置与本底噪声的和,根据判断结果进行深度解算。
进一步地,本发明实施例提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行上述各方法实施例所提供的方法,例如包括:将所述TOF相机采集得到的灰度图,计算得到置信度图;将所述置信度图与退化核进行卷积计算,得到退化置信度图;将所述退化置信度图减去置信度图,得到置信度偏置图;判断所述置信度图的置信度是否大于置信度偏置图的置信度偏置与本底噪声的和,根据判断结果进行深度解算。
本领域普通技术人员可以理解:此外,上述的存储器中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台电子设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台电子设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制,上述实施例均可根据需要自由组合;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解: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;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (9)
1.一种去除TOF相机杂散光的方法,其特征在于,所述方法包括:
将所述TOF相机采集得到的灰度图,计算得到置信度图;
将所述置信度图与退化核进行卷积计算,得到退化置信度图;
将所述退化置信度图减去所述置信度图,得到置信度偏置图;
判断所述置信度图的置信度是否大于所述置信度偏置图的置信度偏置与本底噪声的和,根据判断结果进行深度解算。
2.权利要求1所述的去除TOF相机杂散光的方法,其特征在于,所述将所述TOF相机采集得到的灰度图,计算得到置信度图包括:
设若干灰度图的像素分别计为I1(x,y)、I2(x,y)、…、In(x,y),其中,(x,y)表示像素坐标,x取值为1、2、…、img_width,y取值为1、2、…、img_height,其中,所述置信度图与灰度图的分辨率相同,即img_width×img_height,并将置信度图计为I_confidence,像素位置为(x,y)的置信度图的像素为I_confidence(x,y),所述置信度图的计算公式为:
I_confidence(x,y)=I_max+I_mid–2×I_min,其中,I_max、I_mid、I_min分别表示I1(x,y)、I2(x,y)、…、In(x,y)的最大值、中间值、最小值。
3.如权利要求1所述的去除TOF相机杂散光的方法,其特征在于,所述将所述置信度图与退化核进行卷积计算,得到退化置信度图。具体包括:
计算所述退化核,所述退化核计为I_decay_core;
将置信度图I_confidence与退化核I_decay_core进行same卷积,得到same卷积的结果作为退化置信度图,其分辨率为img_width×img_height,计为I_confidence_decay。
4.如权利要求3所述的去除TOF相机杂散光的方法,其特征在于,所述计算所述退化核,所述退化核计为I_decay_core。具体包括:
所述退化核由指定的三个Gaussian函数生成,所述Gaussian函数公式为:
其中,σ为方差;
三个Gaussian函数的宽均一致,且为奇数,计为decay_core_width;
三个Gaussain函数的高均一致,且为奇数,计为decay_core_height;
三个Gaussian函数的方差不全一致,分别计为σ1、σ2、σ3;
三个Gaussian函数的权重不全一致,分别计为weight1、weight2、weight3。
令x,y均为相对于中心的位置,即((decay_core_width+1)/2,(decay_core_height+1)/2)为坐标原点,计算三个Gaussain函数各个点的值,计为g1(x,y)、g2(x,y)、g3(x,y);
将三个Gaussian函数按各自的权重相加,并归一化得到退化核,计为I_decay_core=(weight1×g1(x,y)+weight2×g2(x,y)+weight3×g3(x,y))/(weight1+weight2+weight3)。
5.如权利要求1-4任意一项所述的去除TOF相机杂散光的方法,其特征在于,所述根据判断结果进行深度解算具体包括:
若所述置信度图的置信度大于所述置信度偏置图的置信度偏置与本底噪声的和,则进行深度解算,解算结果为输出深度;
若所述置信度图的置信度不大于置信度偏置图的置信度偏置与本底噪声的和,则不进行深度结算,将深度置为零。
6.一种去除TOF相机杂散光的装置,其特征在于,所述装置包括:
置信度图计算模块,用于将所述TOF相机采集得到的灰度图,计算得到置信度图;
退化置信度图计算模块,用于将所述置信度图与退化核进行卷积计算,得到退化置信度图;
置信度偏置图计算模块,用于将所述退化置信度图减去置信度图,得到置信度偏置图;
深度解算模块,用于判断所述置信度图的置信度是否大于置信度偏置图的置信度偏置与本底噪声的和,并根据判断结果进行深度解算。
7.如权利要求6所述的去除TOF相机杂散光的装置,其特征在于,所述退化置信度图计算模块计算所述退化核,将所述退化核计为I_decay_core;将置信度图I_confidence与退化核I_decay_core进行same卷积,得到same卷积的结果作为退化置信度图,分辨率为img_width×img_height,计为I_confidence_decay,所述退化核由指定的三个Gaussian函数生成,所述Gaussian函数公式为:
其中,σ为方差;
三个Gaussian函数的宽均一致,且为奇数,计为decay_core_width;
三个Gaussain函数的高均一致,且为奇数,计为decay_core_height;
三个Gaussian函数的方差不全一致,分别计为σ1、σ2、σ3;
三个Gaussian函数的权重不全一致,分别计为weight1、weight2、weight3。
令x,y均为相对于中心的位置,即((decay_core_width+1)/2,(decay_core_height+1)/2)为坐标原点,计算三个Gaussain函数各个点的值,计为g1(x,y)、g2(x,y)、g3(x,y);
将三个Gaussian函数按各自的权重相加,并归一化得到退化核,计为I_decay_core=(weight1×g1(x,y)+weight2×g2(x,y)+weight3×g3(x,y))/(weight1+weight2+weight3)。
8.一种电子设备,其特征在于,所述电子设备包括:
一个或更多个处理器;
一个或更多个存储器;
一个或更多个模块,其被存在存储器中且能够由所述一个或更多个处理器中的至少一个处理器以执行如权利要求1至5任一所述去除TOF相机杂散光的方法的步骤。
9.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至5任一所述去除TOF相机杂散光的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010019839.5A CN111242861B (zh) | 2020-01-09 | 2020-01-09 | 去除tof相机杂散光方法及装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010019839.5A CN111242861B (zh) | 2020-01-09 | 2020-01-09 | 去除tof相机杂散光方法及装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111242861A true CN111242861A (zh) | 2020-06-05 |
CN111242861B CN111242861B (zh) | 2023-09-12 |
Family
ID=70874340
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010019839.5A Active CN111242861B (zh) | 2020-01-09 | 2020-01-09 | 去除tof相机杂散光方法及装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111242861B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102231204A (zh) * | 2011-06-20 | 2011-11-02 | 南京航空航天大学 | 一种序列图像自适应正则超分辨率重建方法 |
AU2015202072A1 (en) * | 2009-09-03 | 2015-05-14 | Commonwealth Scientific And Industrial Research Organisation | Illumination spectrum recovery |
CN104637064A (zh) * | 2015-02-28 | 2015-05-20 | 中国科学院光电技术研究所 | 一种基于边缘强度权重的离焦模糊图像清晰度检测方法 |
US20150146994A1 (en) * | 2013-11-28 | 2015-05-28 | Canon Kabushiki Kaisha | Method, system and apparatus for determining a depth value of a pixel |
CN105335968A (zh) * | 2015-10-13 | 2016-02-17 | 南京邮电大学 | 一种基于置信度传播算法的深度图提取方法及装置 |
CN105488780A (zh) * | 2015-03-25 | 2016-04-13 | 遨博(北京)智能科技有限公司 | 一种用于工业生产线的单目视觉测距追踪装置及其追踪方法 |
FR3066633A1 (fr) * | 2017-05-22 | 2018-11-23 | Safran Identity & Security | Procede de defloutage d'une image |
CN110097515A (zh) * | 2019-04-22 | 2019-08-06 | 苏州千视通视觉科技股份有限公司 | 基于深度学习与时空滤波的低照度图像处理算法及装置 |
CN110378945A (zh) * | 2019-07-11 | 2019-10-25 | Oppo广东移动通信有限公司 | 深度图处理方法、装置和电子设备 |
CN110428381A (zh) * | 2019-07-31 | 2019-11-08 | Oppo广东移动通信有限公司 | 图像处理方法、图像处理装置、移动终端及存储介质 |
CN110455281A (zh) * | 2019-08-14 | 2019-11-15 | 北京理工大学 | 暗弱小天体光学导航特征成像模拟方法 |
-
2020
- 2020-01-09 CN CN202010019839.5A patent/CN111242861B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2015202072A1 (en) * | 2009-09-03 | 2015-05-14 | Commonwealth Scientific And Industrial Research Organisation | Illumination spectrum recovery |
CN102231204A (zh) * | 2011-06-20 | 2011-11-02 | 南京航空航天大学 | 一种序列图像自适应正则超分辨率重建方法 |
US20150146994A1 (en) * | 2013-11-28 | 2015-05-28 | Canon Kabushiki Kaisha | Method, system and apparatus for determining a depth value of a pixel |
CN104637064A (zh) * | 2015-02-28 | 2015-05-20 | 中国科学院光电技术研究所 | 一种基于边缘强度权重的离焦模糊图像清晰度检测方法 |
CN105488780A (zh) * | 2015-03-25 | 2016-04-13 | 遨博(北京)智能科技有限公司 | 一种用于工业生产线的单目视觉测距追踪装置及其追踪方法 |
CN105335968A (zh) * | 2015-10-13 | 2016-02-17 | 南京邮电大学 | 一种基于置信度传播算法的深度图提取方法及装置 |
FR3066633A1 (fr) * | 2017-05-22 | 2018-11-23 | Safran Identity & Security | Procede de defloutage d'une image |
CN110097515A (zh) * | 2019-04-22 | 2019-08-06 | 苏州千视通视觉科技股份有限公司 | 基于深度学习与时空滤波的低照度图像处理算法及装置 |
CN110378945A (zh) * | 2019-07-11 | 2019-10-25 | Oppo广东移动通信有限公司 | 深度图处理方法、装置和电子设备 |
CN110428381A (zh) * | 2019-07-31 | 2019-11-08 | Oppo广东移动通信有限公司 | 图像处理方法、图像处理装置、移动终端及存储介质 |
CN110455281A (zh) * | 2019-08-14 | 2019-11-15 | 北京理工大学 | 暗弱小天体光学导航特征成像模拟方法 |
Non-Patent Citations (3)
Title |
---|
RAMA RATNAM ET AL.: "Blind estimation of reverberation time", 《THE JOURNAL OF THE ACOUSTICAL SOCIETY OF AMERICA》, pages 2877 - 2892 * |
刘宇: "基于局部加权全变差和连续核的盲去模糊", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 07, pages 138 - 1010 * |
杨雪: "生物组织多波长透射成像若干关键技术的研究", 《中国博士学位论文全文数据库 信息科技辑》, no. 08, pages 138 - 39 * |
Also Published As
Publication number | Publication date |
---|---|
CN111242861B (zh) | 2023-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109191514B (zh) | 用于生成深度检测模型的方法和装置 | |
CN109035319B (zh) | 单目图像深度估计方法及装置、设备、程序及存储介质 | |
CN114186632B (zh) | 关键点检测模型的训练方法、装置、设备、存储介质 | |
CN112435193B (zh) | 一种点云数据去噪的方法、装置、存储介质和电子设备 | |
CN109194878A (zh) | 视频图像防抖方法、装置、设备和存储介质 | |
CN112650790A (zh) | 目标点云平面确定方法,装置,电子设备及存储介质 | |
CN111107274B (zh) | 一种图像亮度统计方法及成像设备 | |
WO2019218900A1 (zh) | 一种神经网络模型、数据处理方法及处理装置 | |
CN111461998A (zh) | 一种环境重建方法及装置 | |
CN110555798A (zh) | 图像变形方法、装置、电子设备及计算机可读存储介质 | |
US11238563B2 (en) | Noise processing method and apparatus | |
CN111787310B (zh) | 防抖性能测试方法、装置、计算机设备及存储介质 | |
CN113962385A (zh) | 神经网络训练及数据处理方法和装置、介质及计算机设备 | |
CN113888635A (zh) | 视觉定位方法、相关装置及计算机程序产品 | |
CN113658196A (zh) | 红外图像中船舶的检测方法、装置、电子设备和介质 | |
CN111222446B (zh) | 人脸识别方法、人脸识别装置及移动终端 | |
CN111242861A (zh) | 去除tof相机杂散光方法及装置、电子设备及存储介质 | |
CN111915689A (zh) | 用于生成目标函数的方法、装置、电子设备和计算机可读介质 | |
CN116030520A (zh) | 存在遮挡的人脸识别方法及装置 | |
US9041586B2 (en) | Vectorization approach to isolating local maxima in an N-dimensional dataset | |
CN113274735B (zh) | 模型处理方法、装置、电子设备及计算机可读存储介质 | |
CN113643343B (zh) | 深度估计模型的训练方法、装置、电子设备及存储介质 | |
CN110209851B (zh) | 模型训练方法、装置、电子设备及存储介质 | |
CN110853087B (zh) | 一种视差估计方法、装置、存储介质及终端 | |
CN111145128A (zh) | 色彩增强方法及相关装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |