图像平滑在机载激光点云与影像融合中的应用

刘改进

（广州建通测绘地理信息技术股份有限公司，广东 广州 510663）

1引言

机载摄像机采集地面图像信息时容易受大气、图像传感器等外界因素干扰，导致拍摄的二维图像出现部分区域亮度过高、噪声明显等问题。通过图像平滑处理可以有效抑制这一缺陷，使图像噪声得到缓和。因此，图像平滑是一种具有去噪功能的图像空间域增强技术[1]，主要作用是降低图像的各种噪声、限制噪声对图像质量的影响，是典型的机载二维图像数据处理技术[2]。本文提出基于图像平滑的机载激光点云与影像融合方法，使用非线性扩散滤波器平滑技术处理无人机采集的二维图像数据，强调图像宽大区域、低频成分、抑制图像噪声，以减小图像的突变梯度，缓和图像的噪声区域，提高无人机采集图像的质量，进而精准实现三维激光点云数据与二维影像的融合。的部分[3]。非线性扩散滤波器采用差异性方案处理图像的边缘区域与非边缘区域，有针对性地解决不同特征的影像平滑问题，保障了机载影像平滑处理的质量。

定义带有噪声的影像数据模型如公式（1）所示：

2基于图像平滑的机载激光点云与影像融合方法

2.1基于非线性扩散滤波器的图像平滑处理

无人机能够采集表达地面信息特征的机载激光点云数据与影像，一般情况下需要对两种格式的数据进行配准融合才能获取精准、高质量的地面图像信息。在某些不可抗因素干扰下，二维影像的细节部分积攒大量微小区域，降低了图像后期分割、融合等操作的效果，增加了图像处理难度，因此需对原始影像进行滤波平滑处理。选用非线性扩散滤波器完成影像的平滑处理，优点是既能有效去除影像噪声，又能保留基本完成的边界特征。影像信息的边缘与轮廓是非线性扩散滤波器平滑方法主要考虑的因素，即图像中间断

2.2 机载三维激光点云与影像融合实现

图1 相机成像模型（无量测功能）

以上公式推导的过程显示：二维影像像素的坐标点（x，y）和其对应的物体空间坐标点（X，Y，Z）的关系，可以有效提高直接线性变换方程来描述。公式（11）中的系数ν解算方法参见文献[6]，ν是η和μ的函数，也是实现三维激光点云数据与二维影像数据融合的关键。

基于文献[6]的方法求解直接线性变换算法后，对二维影像数据实施三维激光点云贴图，点云贴图的主要方法是构建三维激光点云与二维影像像素点之间的对应关系，主要目的是将像点RGB 颜色值赋到相应点云上，三维激光点云具备颜色信息后即实现了机载激光点云与影像的融合。

总结三维激光点云贴图的步骤为：①在机载摄影影像中选择一个特征显著的点作为控制点，标记其坐标；②结合解算公式通过迭代的方式求取参数值ν；③一一运算点云对应的像素坐标值；④为三维激光点云赋予R、G、B 三种颜色值。

通过上述步骤即可完成三维激光点云数据与二维图像数据的融合。

3 测试分析

为验证本文提出的基于图像平滑的机载激光点云与影像融合方法在去除影像噪声、融合激光点云与二维影像方面的可行性与优势，进行仿真实验。采用低空无人机搭载测绘仪器与相机采集地面的激光点云数据与二维影像，采集到的三幅原始影像分别命名为影像1、影像2、影像3。

将高斯滤波算法、均值滤波算法作为本文图像平滑处理的对比方法，采用包括本文方法在内的三种方法对三幅影像进行平滑处理，计算平滑后影像的均方差、信噪比、信息熵值，评估各方法的平滑处理效果，结果如表1 所示。

表1 影像1～影像3的平滑质量评价结果

综合三种方法对三幅影像平滑质量的评价结果可知，本文方法取得的影像处理均方差始终最小、信噪比与信息熵始终最大，取得了优异的图像平滑处理效果；用本文方法平滑处理三幅图像所得信噪比值分别为43.214dB、44.102dB、45.612dB，高于高斯滤波算法、均值滤波算法处理结果；在均方差方面，本文方法均低于1.6，均方差值越小证明图像平滑去噪效果越优；在信息熵评估方面，三种算法的信息熵值虽然相差较小，但是本文方法均领先于另外两种平滑算法，取得了较优的图像处理效果。上述数据证明了本文方法在机载影像平滑处理方面的可行性与优势。

4 结论

本文提出了基于图像平滑的机载激光点云与影像融合方法，具体研究了图像平滑在机载激光点云与影像融合中的应用情况，重点采用非线性扩散滤波器进行图像平滑处理，经实验验证取得了优异的影像处理效果。图像平滑处理是去除原始影像噪声的关键途径，本文提出的方法优势在于针对不同梯度值区域采用差异性平滑处理方案，有效保留了图像信息的边界，避免降低图像噪声的同时出现边缘模糊现象。