CN117196997B - 基于人工智能的三维矿震图像降噪优化方法 - Google Patents
基于人工智能的三维矿震图像降噪优化方法 Download PDFInfo
- Publication number
- CN117196997B CN117196997B CN202311343771.6A CN202311343771A CN117196997B CN 117196997 B CN117196997 B CN 117196997B CN 202311343771 A CN202311343771 A CN 202311343771A CN 117196997 B CN117196997 B CN 117196997B
- Authority
- CN
- China
- Prior art keywords
- pixel
- traversing
- value
- image
- pixels
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000005457 optimization Methods 0.000 title claims abstract description 20
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 13
- 230000035939 shock Effects 0.000 claims abstract description 6
- 238000001914 filtration Methods 0.000 claims description 81
- 230000002146 bilateral effect Effects 0.000 claims description 20
- 238000010606 normalization Methods 0.000 claims description 6
- 238000009877 rendering Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 4
- 238000005065 mining Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及基于人工智能的三维矿震图像降噪优化方法。该方法包括:获取三维矿震图像的切片图像;根据切片图像得到每种尺寸的多个图像块;根据每个图像块得到每种尺寸的特征丰富度,进而得到最佳滤波核尺寸;根据最佳滤波核尺寸得到每个像素的最佳窗口,根据每个像素的最佳窗口得到每个像素的场景符合性;根据每个像素的场景符合性得到每个像素的值域滤波核的优化权重和空间域滤波核的优化权重;根据最佳滤波核尺寸和每个像素的值域滤波核的优化权重和空间域滤波核的优化权重得到去噪后三维矿震图像,从而实现准确去噪的同时,还能降低图像中有用信息的损失。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及基于人工智能的三维矿震图像降噪优化方法。
背景技术
维矿震图像数据是指地震勘探中获取的具有三维模型的图像数据。其中,噪声对其模型质量的影响较大。现有技术中,为了更简单的去噪,需要将三维矿震图像转化为二维图像。使用现有去噪算法来对转化的二维图像进行去噪处理。由于三维矿震图像转化的二维图像中的线条信息为有用信息,为防止在去噪过程中将有用的线条状信息去除,一般采用双边滤波算法进行去噪处理。
双边滤波算法的滤波核的尺寸会影响双边滤波算法的去噪效果,传统双边滤波算法一般是根据经验人为设置滤波核的尺寸,这种设置方式较为依赖人为经验,并且受人为主观性影响较大。同时双边滤波算法中包含值域滤波器和空域滤波器两种滤波器,通过权值来调整每种滤波器影响,传统双边滤波算法一般根据像素之间的距离和灰度差异来设置每种滤波器的权值。这种设置方式会将二维图像中距离较大且灰度差异较小的一些有用的线条状信息去除。
发明内容
为了解决“如何较为准确去除三维矿震图像中的噪声,同时还能降低图像中有用信息损失”的问题,本发明提供基于人工智能的三维矿震图像降噪优化方法,所采用的技术方案具体如下:
本发明提出了基于人工智能的三维矿震图像降噪优化方法,方法包括:
获取三维矿震图像的切片图像;
将切片图像进行分割处理得到每种尺寸的多个图像块;根据每种尺寸的每个图像块中灰度值的多样性得到每种尺寸的每个图像块的单调程度,根据每种尺寸的每个图像块的单调程度得到每种尺寸的特征丰富度,根据每种尺寸的特征丰富度得到最佳滤波核尺寸;
获取尺寸为最佳滤波核尺寸的每个像素的最佳窗口,根据每个像素的最佳窗口中相邻像素的差异情况得到每个像素点的多个遍历像素集合;根据每个像素的每个遍历像素集合中像素的分布特征得到每个像素的每个遍历像素集合的场景符合性;根据每个像素的每个遍历像素集合的场景符合性得到每个像素的场景符合性;根据每个像素的最佳窗口获取每个像素的值域滤波核的权重以及空间域滤波核的权重,根据每个像素的场景符合性、每个像素的值域滤波核的权重以及空间域滤波核的权重得到每个像素的值域滤波核的权重的调整值和空间域滤波核的权重的调整值,根据每个像素的值域滤波核的权重的调整值和空间域滤波核的权重的调整值得到每个像素的值域滤波核的优化权重和空间域滤波核的优化权重;
根据每个像素的最佳窗口、值域滤波核的优化权重和空间域滤波核的优化权重对切片图像进行滤波处理得到去噪后切片图像;根据去噪后切片图像得到去噪后三维矿震图像。
优选的,所述将切片图像进行分割处理得到每种尺寸的多个图像块,包括的具体步骤为:
将每个切片图像均匀分割成尺寸为C*C的多个图像块,C表示尺寸变量,C=2*i+1,i表示数据变量,将i取不等于0的任意一个自然数据得到若干个C的取值。
优选的,所述根据每种尺寸的每个图像块中灰度值的多样性得到每种尺寸的每个图像块的单调程度,包括的具体步骤为:
获取每个图像块中所有像素的灰度值均值,将图像块中每个像素的灰度值与灰度值均值的差值作为图像块中每个像素的灰度偏差,将每个图像块中灰度偏差小于等于预设偏差阈值的像素称为每个图像块的单调像素,获取每个图像块中单调像素的个数,将单调像素的个数占图像块中所有像素个数的比重作为每个图像块的单调程度。
优选的,所述根据每种尺寸的每个图像块的单调程度得到每种尺寸的特征丰富度,根据每种尺寸的特征丰富度得到最佳滤波核尺寸,包括的具体步骤为:
将单调程度小于预设单调阈值的图像块称为丰富图像块;获取每种尺寸的丰富图像块个数,将每种尺寸的丰富图像块个数与每种尺寸的所有图像块个数的比值作为每种尺寸的特征丰富度;
将特征丰富度最大值对应的尺寸作为最佳滤波核尺寸。
优选的,所述根据每个像素的最佳窗口中相邻像素的差异情况得到每个像素点的多个遍历像素集合,包括的具体步骤为:
获取每个像素的最佳窗口的对角线上像素的个数记为截止个数L,以每个像素的最佳窗口的左上角的像素作为第一起点像素,设置一个空的遍历像素集合,将第一起点像素记为第一遍历像素,将第一遍历像素划分至遍历像素集合中,获取第一遍历像素的8邻域像素,计算第一遍历像素与每个邻域像素的灰度值差值绝对值,将与第一遍历像素的灰度值差值绝对值最大值对应邻域像素作为第二遍历像素,将第二遍历像素划分至遍历像素集合中,计算第一遍历像素与第二遍历像素的灰度值差值绝对值,当第一遍历像素与第二遍历像素的灰度值差值绝对值大于预设差值阈值Y3或遍历像素集合中包含像素个数大于截止个数L时,停止遍历;
当第一遍历像素与第二遍历像素的灰度值差值绝对值小于等于预设差值阈值Y3且遍历像素集合中包含像素个数小于等于截止个数L时,获取第二遍历像素的8邻域像素,计算第二遍历像素与每个邻域像素的灰度值差值绝对值,将与第二遍历像素的灰度值差值绝对值最大值对应的邻域像素作为第三遍历像素,将第三遍历像素划分至遍历像素集合中,计算第一遍历像素与第三遍历像素的灰度值差值绝对值,当第一遍历像素与第三遍历像素的灰度值差值绝对值大于预设差值阈值Y3或遍历像素集合中包含像素个数大于截止个数L时,停止遍历;
以此类推,直至满足停止遍历条件,获取第一起点像素的遍历像素集合;
以每个像素的最佳窗口的第一行第二个像素作为第二起点像素,获取第二起点像素的遍历像素集合;以此类推,将每个像素的最佳窗口的每个像素作为起点像素,获取每个起点像素的遍历像素集合。
优选的,所述根据每个像素的每个遍历像素集合中像素的分布特征得到每个像素的每个遍历像素集合的场景符合性;根据每个像素的每个遍历像素集合的场景符合性得到每个像素的场景符合性,包括的具体步骤为:
将每个像素的每个遍历像素集合中的像素称为遍历像素;
计算每个像素的每个遍历像素集合的场景符合性的方法为:
其中,yjz表示每个像素与第j个遍历像素集合中第z个遍历像素的欧氏距离,yj(z-1)表示每个像素与第j个遍历像素集合中第z-1个遍历像素的欧氏距离,yj(z+1)表示每个像素与第j个遍历像素集合中第z+1个遍历像素的欧氏距离,ε表示预设的防零系数,fj表示每个像素的第j个遍历像素集合的场景符合性,nj表示每个像素的第j个遍历像素集合中包含遍历像素的个数,||表示绝对值符号;
将每个像素的所有遍历像素集合的场景符合性最大值作为每个像素的场景符合性。
优选的,所述根据每个像素的最佳窗口获取每个像素的值域滤波核的权重以及空间域滤波核的权重,包括的具体步骤为:
将每个像素的最佳窗口作为每个像素的滤波窗口,基于滤波窗口,利用传统双边滤波算法,获取每个像素的值域滤波核的权重和空间域滤波核的权重。
优选的,所述根据每个像素的场景符合性、每个像素的值域滤波核的权重以及空间域滤波核的权重得到每个像素的值域滤波核的权重的调整值和空间域滤波核的权重的调整值,包括的具体步骤为:
利用最大值最小值归一化方法来对每个像素的场景符合性进行归一化处理得到每个像素归一化后的场景符合性;
当像素的归一化后的场景符合性大于预设符合性阈值时,将像素的值域滤波核的权重的调整值等于-0.1,将像素的空间域滤波核的权重的调整值等于0.1;当像素的归一化后的场景符合性小于等于预设符合性阈值时,将像素的值域滤波核的权重的调整值等于0.1,将像素的空间域滤波核的权重的调整值等于-0.1。
优选的,所述根据每个像素的值域滤波核的权重的调整值和空间域滤波核的权重的调整值得到每个像素的值域滤波核的优化权重和空间域滤波核的优化权重,包括的具体步骤为:
将每个像素的值域滤波核的权重和空间域滤波核的权重分别加上调整值得到每个像素的值域滤波核的优化权重和空间域滤波核的优化权重。
优选的,所述根据每个像素的最佳窗口、值域滤波核的优化权重和空间域滤波核的优化权重对切片图像进行滤波处理得到去噪后切片图像;根据去噪后切片图像得到去噪后三维矿震图像,包括的具体步骤为:
将每个像素的值域滤波核的优化权重和空间域滤波核的优化权重替换原来的权重,利用双边滤波算法对切片图像中每个像素进行滤波处理,得到去噪后切片图像;
利用切片渲染技术,将所有去噪后切片图像渲染成去噪后三维矿震图像。
本发明具有如下有益效果:
获取三维矿震图像的切片图像,对切片图像进行分割处理得到每种尺寸的多个图像块,根据图像块中灰度值差异得到每种尺寸的特征丰富度,根据每种尺寸的特征丰富度得到最佳滤波尺寸,相较于传统双边滤波算法根据人为经验设置的滤波窗口的尺寸,本发明将最佳滤波尺寸作为滤波窗口的尺寸,通过该方式得到的滤波窗口中能够包含较丰富的灰度信息,进而根据该滤波窗口得到的灰度差异值较大,从而能够降低值域滤波核的权重,从而防止由于值域滤波核的权重过大导致的有用纹理信息被去除的问题。
获取尺寸为最佳滤波尺寸的每个像素的最佳窗口,根据每个像素的最佳窗口中包含有用信息的情况得到每个像素的场景符合性,根据每个像素的场景符合性来调整每个像素的值域滤波核的权重和空间域滤波核的权重得到每个像素的值域滤波核的优化权重和空间域滤波核的优化权重,基于每个像素的值域滤波核的优化权重和空间域滤波核的优化权重来进行滤波处理得到去噪后三维矿震图像。相较与传统双边滤波算法得到的每个像素的值域滤波核的权重和空间域滤波核的权值,其能够根据三维矿震图像的切片图像中有用信息的特征来调整每个像素的值域滤波核的权重和空间域滤波核的权重,有效保护切片图像中的有用信息的同时还能够较好的去除图像中的噪声。
附图说明
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和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,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它附图。
图1为本发明一个实施例所提供的基于人工智能的三维矿震图像降噪优化方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的基于人工智能的三维矿震图像降噪优化方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
基于人工智能的三维矿震图像降噪优化方法实施例:
下面结合附图具体的说明本发明所提供的基于人工智能的三维矿震图像降噪优化方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的基于人工智能的三维矿震图像降噪优化方法流程图,该方法包括:
S001:获取三维矿震图像的切片图像。
需要说明的是,三维矿震图像为地震勘探中获取的具有三维模型的图像数据,噪声对其模型质量的影响较大,为了提高三维矿震图像的成像质量,需对三维矿震图像进行去噪处理。而三维图像相较于二维图像的去噪复杂性较高,因而需将三维矿震图像进行切片处理得到三维矿震图像的切片图像。
具体的,在地震勘探数据库中获取三维矿震图像,利用切片法(Slice Method)对三维矿震图像进行切片处理得到三维矿震图像的多张切片图像。
S002:根据切片图像得到每种尺寸的多个图像块,根据每种尺寸的多个图像块得到每种尺寸的特征丰富度,根据每种尺寸的特征丰富度得到最佳滤波核尺寸。
需要说明的是,由于三维矿震图像得到的切片图像中的线条状信息为有用信息,为防止在去噪过程中将有用的线条状信息去除,一般采用双边滤波算法进行去噪处理。双边滤波算法的滤波核的尺寸会影响双边滤波算法的去噪效果,传统双边滤波算法一般是根据经验人为设置滤波核的尺寸,这种设置方式较为依赖人为经验,并且受人为主观性影响较大。
需要进一步说明的是,由于滤波窗口内灰度值的差异值会影响值域滤波核及空间域滤波核的权重,其中滤波窗口内灰度差异越小,值域滤波核的权重就越大,而值域滤波核的权重越大,对边缘的去除程度越高,而为了防止空间域滤波核的权重较低,导致一些边缘被去除,需保障滤波窗口内保留较多的灰度特征,从而保障空间域滤波核的权重。
具体的,将每个切片图像均匀分割成尺寸为C*C的多个图像块,C表示尺寸变量,C=2*i+1,i表示数据变量,将i取不等于0的任意一个自然数据得到若干个C的取值,一种C的取值表示一种图像块的尺寸,每种尺寸对应多个图像块。
需要说明的是,当最后分割得到的图像块不满足尺寸要求时,只需分割出在尺寸范围内尽可能大的图像块。
进一步的,对于任意一种尺寸的多个图像块,获取每个图像块中所有像素的灰度值均值,将图像块中每个像素的灰度值与灰度值均值的差值作为图像块中每个像素的灰度偏差,将每个图像块中灰度偏差小于等于预设偏差阈值Y1的像素称为每个图像块的单调像素,获取每个图像块中单调像素的个数,将单调像素的个数占图像块中所有像素个数的比重作为每个图像块的单调程度。将单调程度小于预设单调阈值Y2的图像块称为丰富图像块。本实施例以Y1取20、Y2取0.8为例进行叙述,其他实施例可以取其他值,本实施例不进行具体限制。
进一步的,获取每种尺寸的丰富图像块个数,将每种尺寸的丰富图像块个数与该尺寸的所有图像块个数的比值作为每种尺寸的特征丰富度。
进一步的,将特征丰富度最大值对应的尺寸作为最佳滤波核尺寸。
至此,得到最佳滤波核尺寸,在最佳滤波核尺寸下的滤波窗口中能够包含较多的灰度特征,进而基于该滤波窗口下的空间域滤波核的权值不会太小,从而能够有效保障有用边缘不被去除。
S003:根据最佳滤波尺寸获取每个像素的最佳窗口,根据每个像素的最佳窗口得到每个像素的场景特征符合性,根据场景特征符合性得到每个像素的值域滤波核、空间域滤波核的优化权重。
需要说明的是,双边滤波算法中包含值域滤波器和空域滤波器两种滤波器,通过权值来调整每种滤波器影响,传统双边滤波算法一般根据像素之间的距离和灰度差异来设置每种滤波器的权值。这种设置方式对于距离较大并灰度差异较小的噪声的去除效果较差。
需要进一步说明的是,三维矿震图像的切片图像中包含较多具有直线特征的线条状信息,这些具有直线特征的线条状信息一般为有用信息,在滤波去噪过程中不能去除这些信息,因而可以根据线条状信息特征来调整值域滤波器和空域滤波器的权值,其中包含线条状信息的滤波窗口中其值域滤波器的权值应该调小,从而防止由于值域滤波器的权值较大将这些有用的线条状信息去除。
具体的,以每个像素为中心,获取尺寸为最佳滤波尺寸的窗口,记为每个像素的最佳窗口。
需要说明的是,三维矿震图像的切片图像中的具有直线特征的线条状信息一般为有用信息,因而在进行滤波去噪的过程中,应避免将具有直线特征的线条状信息去除。因而需先判断每个像素的滤波窗口中是否存在具有直线特征的线条信息。
进一步的,获取每个像素的最佳窗口的对角线上像素的个数记为截止个数L,以每个像素的最佳窗口的左上角的像素作为第一起点像素,设置一个空的遍历像素集合,将第一起点像素记为第一遍历像素,将第一遍历像素划分至遍历像素集合中,获取第一遍历像素的8邻域像素,计算第一遍历像素与每个邻域像素的灰度值差值绝对值,将与第一遍历像素的灰度值差值绝对值最大值对应邻域像素作为第二遍历像素,将第二遍历像素划分至遍历像素集合中,计算第一遍历像素与第二遍历像素的灰度值差值绝对值,当第一遍历像素与第二遍历像素的灰度值差值绝对值大于预设差值阈值Y3或遍历像素集合中包含像素个数大于截止个数L时,停止遍历。
当第一遍历像素与第二遍历像素的灰度值差值绝对值小于等于预设差值阈值Y3且遍历像素集合中包含像素个数小于等于截止个数L时,获取第二遍历像素的8邻域像素,计算第二遍历像素与每个邻域像素的灰度值差值绝对值,将与第二遍历像素的灰度值差值绝对值最大值对应的邻域像素作为第三遍历像素,将第三遍历像素划分至遍历像素集合中,计算第一遍历像素与第三遍历像素的灰度值差值绝对值,当第一遍历像素与第三遍历像素的灰度值差值绝对值大于预设差值阈值Y3或遍历像素集合中包含像素个数大于截止个数L时,停止遍历。
以此类推,当第一遍历像素与第K-1遍历像素的灰度值差值绝对值小于等于预设差值阈值Y3且遍历像素集合中包含像素个数小于等于截止个数L时,获取第K-1遍历像素的8邻域像素,计算第K-1遍历像素与每个邻域像素的灰度值差值绝对值,将与第K-1遍历像素的灰度值差值绝对值最大值对应的邻域像素作为第K遍历像素,将第K遍历像素划分至遍历像素集合中,计算第一遍历像素与第K遍历像素的灰度值差值绝对值。直至满足停止遍历条件,将遍历像素集合称为第一起点像素的遍历像素集合。
以每个像素的最佳窗口的第一行第二个像素作为第二起点像素,按照第一起点像素的遍历像素集合获取方法获取第二起点像素的遍历像素集合。以此类推,将每个像素的最佳窗口的每个像素作为起点像素,获取每个起点像素的遍历像素集合。
本实施例以Y3取10为例进行叙述,其他实施例可以取其他值,本实施例不进行具体限制。
至此,得到每个像素的多个遍历像素集合。
需要说明的是,每个像素的每个遍历像素集合中像素的灰度差异较小,每个遍历像素集合中的像素分布在一个线条纹理上。因而下面需判断每个遍历像素集合中像素构成的线条纹理是否具有直线性特征。
进一步的,将每个像素的每个遍历像素集合中的像素称为遍历像素,计算每个像素的每个遍历像素集合的场景符合性的方法为:
其中,yjz表示每个像素与第j个遍历像素集合中第z个遍历像素的欧氏距离,yj(z-1)表示每个像素与第j个遍历像素集合中第z-1个遍历像素的欧氏距离,yj(z+1)表示每个像素与第j个遍历像素集合中第z+1个遍历像素的欧氏距离,反映了相邻遍历像素与窗口中心像素的距离变动情况,当遍历像素处与一个直线上时,每组相邻遍历像素与窗口中心像素的距离变动,与上一组相邻遍历像素与窗口中心的距离变动情况相同,因而该值就会趋近于1。ε表示预设的防零系数,本实施里以ε取0.5为例进行叙述,其他实施例可以取其他值,本实施例不进行具体限制。fj表示每个像素的第j个遍历像素集合的场景符合性,nj表示每个像素的第j个遍历像素集合中包含遍历像素的个数,||表示绝对值符号。
进一步的,将每个像素的所有遍历像素集合的场景符合性最大值作为每个像素的场景符合性。
至此,得到每个像素的场景符合性,通过场景符合性能够反映每个像素的最佳窗口内的线条状信息具有直线性的特征的情况。当一个像素的场景符合性较大时,该像素的最佳窗口内存在具有直线性特征的线条状信息。
进一步的,利用最大值最小值归一化方法来对每个像素的场景符合性进行归一化处理得到每个像素归一化后的场景符合性。
当像素的归一化后的场景符合性大于预设符合性阈值Y4时,将像素的值域滤波核的权重的调整值等于-0.1,将像素的空间域滤波核的权重的调整值等于0.1。当像素的归一化后的场景符合性小于等于预设符合性阈值Y4时,将像素的值域滤波核的权重的调整值等于0.1,将像素的空间域滤波核的权重的调整值等于-0.1。本实施例以Y4取1.5为例进行叙述,其他实施例可以取其他值,本实施例不进行具体限制。
至此,得到每个像素的值域滤波核的权重的调整值和空间域滤波核的权重的调整值,通过该调整值可以实现,根据每个像素的最佳窗口中存在有用纹理的情况来调整每种滤波核的权重。从而有效防止在滤波去噪过程中,将有用信息去除。
进一步的,将每个像素的最佳窗口作为每个像素的滤波窗口,基于滤波窗口,利用传统双边滤波算法,获取每个像素的值域滤波核的权重和空间域滤波核的权重,将每个像素的值域滤波核的权重和空间域滤波核的权重分别加上调整值得到每个像素的值域滤波核的优化权重和空间域滤波核的优化权重。
S004:根据最佳滤波核尺寸、每个像素的值域滤波核和空间域滤波核的优化权重对切片图像进行滤波处理得到去噪后切片图像,根据去噪后切片图像得到去噪后三维矿震图像。
将每个像素的值域滤波核的优化权重和空间域滤波核的优化权重替换原来的权重,利用双边滤波算法对切片图像中每个像素进行滤波处理,得到去噪后切片图像。
利用切片渲染技术,将所有去噪后切片图像渲染成去噪后三维矿震图像。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
Claims (2)
1.基于人工智能的三维矿震图像降噪优化方法,其特征在于,所述方法包括:
获取三维矿震图像的切片图像;
将切片图像进行分割处理得到每种尺寸的多个图像块;
获取每个图像块中所有像素的灰度值均值,将图像块中每个像素的灰度值与灰度值均值的差值作为图像块中每个像素的灰度偏差,将每个图像块中灰度偏差小于等于预设偏差阈值的像素称为每个图像块的单调像素,获取每个图像块中单调像素的个数,将单调像素的个数占图像块中所有像素个数的比重作为每个图像块的单调程度;
将单调程度小于预设单调阈值的图像块称为丰富图像块;获取每种尺寸的丰富图像块个数,将每种尺寸的丰富图像块个数与每种尺寸的所有图像块个数的比值作为每种尺寸的特征丰富度;
将特征丰富度最大值对应的尺寸作为最佳滤波核尺寸;
获取尺寸为最佳滤波核尺寸的每个像素的最佳窗口,获取每个像素的最佳窗口的对角线上像素的个数记为截止个数L,以每个像素的最佳窗口的左上角的像素作为第一起点像素,设置一个空的遍历像素集合,将第一起点像素记为第一遍历像素,将第一遍历像素划分至遍历像素集合中,获取第一遍历像素的8邻域像素,计算第一遍历像素与每个邻域像素的灰度值差值绝对值,将与第一遍历像素的灰度值差值绝对值最大值对应邻域像素作为第二遍历像素,将第二遍历像素划分至遍历像素集合中,计算第一遍历像素与第二遍历像素的灰度值差值绝对值,当第一遍历像素与第二遍历像素的灰度值差值绝对值大于预设差值阈值Y3或遍历像素集合中包含像素个数大于截止个数L时,停止遍历;
当第一遍历像素与第二遍历像素的灰度值差值绝对值小于等于预设差值阈值Y3且遍历像素集合中包含像素个数小于等于截止个数L时,获取第二遍历像素的8邻域像素,计算第二遍历像素与每个邻域像素的灰度值差值绝对值,将与第二遍历像素的灰度值差值绝对值最大值对应的邻域像素作为第三遍历像素,将第三遍历像素划分至遍历像素集合中,计算第一遍历像素与第三遍历像素的灰度值差值绝对值,当第一遍历像素与第三遍历像素的灰度值差值绝对值大于预设差值阈值Y3或遍历像素集合中包含像素个数大于截止个数L时,停止遍历;
以此类推,直至满足停止遍历条件,获取第一起点像素的遍历像素集合;
以每个像素的最佳窗口的第一行第二个像素作为第二起点像素,获取第二起点像素的遍历像素集合;以此类推,将每个像素的最佳窗口的每个像素作为起点像素,获取每个起点像素的遍历像素集合;
将每个像素的每个起点像素的遍历像素集合作为每个像素的每个遍历像素集合;
将每个像素的每个遍历像素集合中的像素称为遍历像素;
计算每个像素的每个遍历像素集合的场景符合性的方法为:
其中,yjz表示每个像素与第j个遍历像素集合中第z个遍历像素的欧氏距离,yj(z-1)表示每个像素与第j个遍历像素集合中第z-1个遍历像素的欧氏距离,yj(z+1)表示每个像素与第j个遍历像素集合中第z+1个遍历像素的欧氏距离,ε表示预设的防零系数,fj表示每个像素的第j个遍历像素集合的场景符合性,nj表示每个像素的第j个遍历像素集合中包含遍历像素的个数,||表示绝对值符号;
将每个像素的所有遍历像素集合的场景符合性最大值作为每个像素的场景符合性;
将每个像素的最佳窗口作为每个像素的滤波窗口,基于滤波窗口,利用传统双边滤波算法,获取每个像素的值域滤波核的权重和空间域滤波核的权重;
利用最大值最小值归一化方法来对每个像素的场景符合性进行归一化处理得到每个像素归一化后的场景符合性;
当像素的归一化后的场景符合性大于预设符合性阈值时,将像素的值域滤波核的权重的调整值等于-0.1,将像素的空间域滤波核的权重的调整值等于0.1;当像素的归一化后的场景符合性小于等于预设符合性阈值时,将像素的值域滤波核的权重的调整值等于0.1,将像素的空间域滤波核的权重的调整值等于-0.1;
将每个像素的值域滤波核的权重和空间域滤波核的权重分别加上调整值得到每个像素的值域滤波核的优化权重和空间域滤波核的优化权重;
将每个像素的值域滤波核的优化权重和空间域滤波核的优化权重替换原来的权重,利用双边滤波算法对切片图像中每个像素进行滤波处理,得到去噪后切片图像;
利用切片渲染技术,将所有去噪后切片图像渲染成去噪后三维矿震图像。
2.如权利要求1所述的基于人工智能的三维矿震图像降噪优化方法,其特征在于,所述将切片图像进行分割处理得到每种尺寸的多个图像块,包括的具体步骤为:
将每个切片图像均匀分割成尺寸为C*C的多个图像块,C表示尺寸变量,C=2*i+1,i表示数据变量,将i取不等于0的任意一个自然数据得到若干个C的取值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311343771.6A CN117196997B (zh) | 2023-10-17 | 2023-10-17 | 基于人工智能的三维矿震图像降噪优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311343771.6A CN117196997B (zh) | 2023-10-17 | 2023-10-17 | 基于人工智能的三维矿震图像降噪优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117196997A CN117196997A (zh) | 2023-12-08 |
CN117196997B true CN117196997B (zh) | 2024-02-02 |
Family
ID=88983519
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311343771.6A Active CN117196997B (zh) | 2023-10-17 | 2023-10-17 | 基于人工智能的三维矿震图像降噪优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117196997B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102005037A (zh) * | 2010-11-12 | 2011-04-06 | 湖南大学 | 结合多尺度双边滤波与方向滤波的多模图像融合方法 |
CN103116875A (zh) * | 2013-02-05 | 2013-05-22 | 浙江大学 | 自适应双边滤波图像去噪方法 |
KR20170040983A (ko) * | 2015-10-06 | 2017-04-14 | 한양대학교 산학협력단 | 다중 스케일 블록 영역 검출을 이용한 영상 잡음 제거 방법 및 장치 |
CN109767439A (zh) * | 2019-01-10 | 2019-05-17 | 中国科学院上海技术物理研究所 | 一种自适应窗口的多尺度差异与双边滤波的目标检测方法 |
CN109903254A (zh) * | 2019-03-04 | 2019-06-18 | 中国科学院长春光学精密机械与物理研究所 | 基于泊松核改进的双边滤波方法 |
CN113205494A (zh) * | 2021-04-27 | 2021-08-03 | 武汉大学 | 基于自适应尺度图像块加权差测量的红外小目标检测方法和系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10825154B2 (en) * | 2019-03-19 | 2020-11-03 | Apple Inc. | Directional bilateral filtering with improved noise reduction along edges |
-
2023
- 2023-10-17 CN CN202311343771.6A patent/CN117196997B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102005037A (zh) * | 2010-11-12 | 2011-04-06 | 湖南大学 | 结合多尺度双边滤波与方向滤波的多模图像融合方法 |
CN103116875A (zh) * | 2013-02-05 | 2013-05-22 | 浙江大学 | 自适应双边滤波图像去噪方法 |
KR20170040983A (ko) * | 2015-10-06 | 2017-04-14 | 한양대학교 산학협력단 | 다중 스케일 블록 영역 검출을 이용한 영상 잡음 제거 방법 및 장치 |
CN109767439A (zh) * | 2019-01-10 | 2019-05-17 | 中国科学院上海技术物理研究所 | 一种自适应窗口的多尺度差异与双边滤波的目标检测方法 |
CN109903254A (zh) * | 2019-03-04 | 2019-06-18 | 中国科学院长春光学精密机械与物理研究所 | 基于泊松核改进的双边滤波方法 |
CN113205494A (zh) * | 2021-04-27 | 2021-08-03 | 武汉大学 | 基于自适应尺度图像块加权差测量的红外小目标检测方法和系统 |
Non-Patent Citations (2)
Title |
---|
基于时频分析的微震P波和S波到时联合拾取方法;贾宝新 等;岩土力学;第42卷(第5期);第1253-1265页 * |
梯度双边滤波的图像去噪;蒋辉;汪辉;张家树;;计算机工程与应用(05);第213-235页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117196997A (zh) | 2023-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110599409B (zh) | 基于多尺度卷积组与并行的卷积神经网络图像去噪方法 | |
CN107578430B (zh) | 一种基于自适应权值和局部熵的立体匹配方法 | |
CN112435191B (zh) | 一种基于多个神经网络结构融合的低照度图像增强方法 | |
CN110517195B (zh) | 无监督sar图像去噪方法 | |
CN111986075B (zh) | 一种目标边缘清晰化的风格迁移方法 | |
US10863206B2 (en) | Content-weighted deep residual learning for video in-loop filtering | |
CN114241070B (zh) | Ct图像去金属伪影以及模型训练的方法和装置 | |
CN111652818B (zh) | 一种基于金字塔的图像滤波方法、装置及存储介质 | |
CN113284250B (zh) | 一种点云的几何编码方法和解码方法及设备 | |
CN110544300B (zh) | 一种基于二维手绘图像特征自动生成三维模型的方法 | |
CN107967675B (zh) | 一种基于自适应投影移动最小二乘的结构化点云去噪方法 | |
CN117196997B (zh) | 基于人工智能的三维矿震图像降噪优化方法 | |
CN111145125A (zh) | 一种基于残差学习与卷积神经网络的图像去噪方法 | |
Liu et al. | Facial image inpainting using multi-level generative network | |
CN111951171A (zh) | Hdr图像生成方法、装置、可读存储介质及终端设备 | |
CN111260706B (zh) | 一种基于单目相机的稠密深度图计算方法 | |
CN117333359A (zh) | 基于可分离卷积网络的山水画图像超分辨率重建方法 | |
CN116883222A (zh) | 基于多尺度自动编码器的抗jpeg压缩鲁棒性图像水印方法 | |
CN110751603A (zh) | 一种图像对比度的增强方法、系统及终端设备 | |
CN110717875B (zh) | 一种高清图像处理方法 | |
CN114881883A (zh) | 一种红外图像多维降噪方法、存储介质及装置 | |
CN114862679A (zh) | 基于残差生成对抗网络的单图超分辨率重建方法 | |
CN110097518B (zh) | 图像去噪方法、装置及终端设备 | |
CN114494042A (zh) | 一种红外图像动态压缩及细节增强方法、存储介质及装置 | |
CN111985535A (zh) | 一种通过神经网络优化人体深度图的方法及其装置 |
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 |