[发明专利]一种基于马尔科夫随机场的视觉传感器去噪方法

说明书

本发明创造提供了一种基于马尔科夫随机场的视觉传感器去噪方法，包括以下步骤：S1、对仿真场景利用视觉传感器进行图像采集；S2、得到原始的图像数据之后，将图像转换为数字矩阵，作为去噪模型的输入；S3、将每一个像素点和像素点之间的邻域关系构造为势能函数，根据势能函数生成马尔科夫随机场的初始化消息；S4、将要发送的初始消息全部计算完成后，进行消息的更新迭代，直到模型收敛；S5、将模型收敛后得到的最优结果还原为图像信息，实现视觉传感器的去噪。本发明创造所述的方法在不损失智能网联仿真测试过程实时性的前提下，可以更好的实现视觉传感器的去噪，克服了传统视觉传感器去噪方法造成的图像模糊、细节损失和去噪效效果不佳的问题。

技术领域

本发明创造属于图像处理技术领域，尤其是涉一种基于马尔科夫随机场的视觉传感器去噪方法。

背景技术

在智能网联仿真测试的过程中，除了控制算法自身的因素，作为控制算法的输入，视觉传感器采集到的路况图像信息，也会对决策结果的准确性产生重要的影响。由于物理因素或其他因素，视觉传感器采集到的图像信息往往是具有噪声的，这就会影响决策结果的正确性。在智能网联仿真测试领域，现有的主流视觉传感器去噪方法大多是基于滤波技术进行去噪处理的。常见的方法有：均值滤波器法、中值滤波器、小波去噪等。

但是，均值滤波器的核心原理是采用邻域平均法来对图像进行去噪。这种方法虽然有力地抑制了噪声,同时也由于平均而引起了模糊现象。中值滤波器的基本原理是把数字图像或数字序列中一点的值用该点的一个领域中各点值的中值代换；但是这种朴素的均值法对一些细节复杂的图像,特别是点、线、尖顶细节较多的图像无法达到较好的去噪效果。另外，小波去噪方法对于特定情况下已知道噪声的频率范围且信号和噪声的频带相互分离时非常有效。对实际应用中广泛存在的白噪声，其去噪效果则较差；因此，本发明提出了一种基于马尔科夫随机让周围象素灰度值的差比较大的像素改取与周围的像素值接近的值,从而可以消除孤立的噪声点场的去噪方法。

发明内容

有鉴于此，本发明创造旨在提出一种基于马尔科夫随机场的视觉传感器去噪方法，以解决由于平均而引起了模糊的现象，以及点、线、尖顶细节较多的图像无法达到较好的去噪效果的问题。

为达到上述目的，本发明创造的技术方案是这样实现的：

一种基于马尔科夫随机场的视觉传感器去噪方法，包括以下步骤：

S1、对仿真场景利用视觉传感器进行图像采集；

S2、得到原始的图像数据之后，将图像转换为数字矩阵，作为去噪模型的输入；

S3、将每一个像素点和像素点之间的邻域关系构造为势能函数，根据势能函数生成马尔科夫随机场的初始化消息；

S4、将要发送的初始消息全部计算完成后，进行消息的更新迭代，直到模型收敛；

S5、最后将模型收敛后得到的最优结果还原为图像信息，实现视觉传感器的去噪。

进一步的，所述步骤S2中图像转换数字矩阵的方法：将由原始图像转化生成的数值矩阵表示为X＝{x₁...x_n}，其中每一个变量对应于马尔可夫随机场的一个结点，这样，所有变量的联合概率可以描述为马尔科夫随机场中所有势能函数的乘积形式：

其中Z是归一化常数，为势能函数，根据吉布斯分布，可以将势能函数定义为能量函数的形式，表示为

进一步的，所述步骤S4中势能函数分为两种，一种为单点势能函数，表示为模型输入的观测数据，作为模型的先验知识，另一种为成对势能函数，根据变量的四邻域系统中的其他变量的取值，来对变量结点进行平滑处理，综上所述马尔科夫随机场的全局能量函数可以定义为下述形式：