[发明专利]一种用于3D视觉识别的抗干扰系统及其抗干扰方法

权利要求书

1.一种用于3D视觉识别的抗干扰系统，其特征在于：包括，

分解模块(1)，用于对获取的3D图像进行分解，得到图像表层、图像底层和图像特征层；

图像表层噪声分析模块(2)，用于对图像表层的噪声信号进行分析；

图像底层噪声分析模块(3)，用于对图像底层的噪声信号进行分析；

噪声拟合模块(4)，用于对图像表层和图像底层的噪声信号进行拟合；

第一去噪模块(5)，用于对图像特征层的噪声进行去除；

第二去噪模块(6)，用于对图像表层和图像底层的噪声进行去除；

合成模块(7)，使用处理后的图像表层、图像底层和图像特征层重新合成3D图像。

2.一种权利要求1所述的用于3D视觉识别的抗干扰系统的抗干扰方法，其特征在于包括以下步骤：

A、分解模块(1)对获取的3D图像进行分解，得到图像表层、图像底层和图像特征层；

B、图像表层噪声分析模块(2)对图像表层的噪声信号进行分析，得到图像表层噪声信号的样本信息；

C、图像底层噪声分析模块(3)对图像底层的噪声信号进行分析，得到图像底层噪声信号的样本信息；

D、噪声拟合模块(4)对图像表层噪声信号的样本信息和图像底层噪声信号的样本信息进行特征提取，然后拟合得到噪声特征；

E、第一去噪模块(5)根据步骤D中拟合得到的噪声特征对图像特征层的噪声进行去除；

F、第二去噪模块(6)根据步骤D中拟合得到的噪声特征对图像表层和图像底层的噪声进行去除，；

G、合成模块(7)使用处理后的图像表层、图像底层和图像特征层重新合成3D图像。

3.根据权利要求2所述的用于3D视觉识别的抗干扰系统的抗干扰方法，其特征在于：步骤A中，包括以下步骤，

A1、对图像特征层进行分解采用以下方式，

其中，F₁(x，y，z)为分解出的图像特征层，F(x，y，z)为原始图像，N为原始图像中特征区域的数量，原始图像的特征区域根据同一区域内像素的平均灰度以及与相邻区域像素平均灰度的差值确定，σ为第n块特征区域的平均灰度值，L为特征区域的面积，r为特征区域内圆的最大半径，使用这一圆作为积分路径；

A2、对图像表层进行分解采用以下方式，

其中，F₂(x，y，z)为分解出的图像表层，P为相邻两个像素的亮度差；

A3、对图像底层进行分解采用以下方式，

F₃(x，y，z)＝F(x，y，z)-F₁(x，y，z)-F₂(x，y，z)，

其中，F₃(x，y，z)为分解出的图像底层。

4.根据权利要求2所述的3D视觉定位的焦距自动调节装置的调节方法，其特征在于：步骤B中，对图像表层的噪声信号进行分析包括以下步骤，

B1、将图像表层使用L1范数进行亮度归一化处理；

B2、将归一化的图像进行小波分解，得到若干个图像表层子带；

B3、使用各子带的特征向量组成训练矩阵T，对各图像表层子带进行n次循环训练，直至各子带的噪声信号线性相关度大于50％；

B4、将各子带进行重组，将重组结果与原始的图像表层进行相减运算，得到图像表层的噪声信号的样本信息。

5.根据权利要求4所述的3D视觉定位的焦距自动调节装置的调节方法，其特征在于：步骤C中，对图像底层的噪声信号进行分析包括以下步骤，

C1、对图像底层进行遍历，筛选出亮度变化大于3％的像素点，将筛选出的像素点进行拟合；

C2、对拟合结果进行Hough变换；

C3、对变换后的拟合结果进行傅里叶变换，然后求取其不同频段的频谱特征；

C4、提取各频谱特征中线性相关的特征向量，删除频谱特征中与特征向量线性相关的特征元素；

C5、对各频谱特征进行傅里叶逆变换，得到图像表层的噪声信号的样本信息。

6.根据权利要求5所述的3D视觉定位的焦距自动调节装置的调节方法，其特征在于：步骤D中，拟合得到噪声特征包括以下步骤，

D1、使用二值化分割方法求得两个噪声信号样本信息的噪声因子；

D2、使用以下方法对噪声因子进行分类，

K(s1|s2)=ln|s1s2|+eΔs|ξ×ξT|m,]]>

其中，s₁为图像表层噪声因子，s₂为图像底层噪声因子，K为两组噪声因子的关联系数，Δs为两组噪声因子的最大偏差量，ξ为两组噪声因子的关联特征矩阵，m为特征因子的数量，s₁与s₂的数量相同，均为m。