陈天宇 张维忠

摘要：  针对Realsense深度相机提取的深度图像中背景噪声和随机噪声对图像分割及目标识别的影响，本文提出一种深度图像分层结合小波阈值去噪的算法。根据深度图像预估图像的噪声强度，确定层级间隔，将图像进行分层，选择需要去噪的图层进行小波阈值去噪，将完成的分层图像拼合成完整的深度图像，最后选择多幅深度图像进行对比实验。实验结果表明，该算法可有效去除深度图像中某一层级的背景噪声及特定噪声，保留了深度图像的边缘信息，具有良好的去噪效果。该研究在获取深度图像后的图像分割、目标识别、图像修复等方向具有一定的应用价值。

关键词：  深度图像; 背景噪声; 小波阈值去噪; 深度分层

中图分类号： TP391.413; TN911.73  文献标识码： A

近年来，深度图像在客流统计等许多领域广泛应用，公交客流统计越来越成为智能公交系统不可或缺的重要组成部分。由于深度图像可更好的观察乘客的人体特征，因此客流统计大多采用深度相机采集信息。深度图像是一种特殊的三维图像，在人体特征检测[13]、姿势识别[46]、人脸识别[79]等领域应用较多，且在人体特征的动态跟踪和捕捉方面表现优良。但是目前大多数深度相机所得到的深度图像受环境影响较大，其质量不高，包含许多噪声，容易影响目标检测、目标点识别和目标跟踪的准确率，所以现阶段应对深度图像进行去噪处理。刘继忠等人[10]运用滤波器的方法进行……