為解決傳統(tǒng)方法對(duì)存在背景噪聲干擾的光斑圖像分割效果不理想的問(wèn)題,設(shè)計(jì)了一種基于梯度卷積的光斑圖像分割算法。首先對(duì)光斑、背景、噪聲的空間灰度分布特性進(jìn)行分析。而后根據(jù)目標(biāo)與干擾在空間灰度梯度分布特性的差別,構(gòu)造適應(yīng)目標(biāo)尺度的梯度卷積模板,與光斑的梯度圖進(jìn)行卷積,從而在增強(qiáng)光斑特性的同時(shí)抑制了背景干擾及噪聲。最后,在噪聲抑制圖像的基礎(chǔ)上結(jié)合閾值分割和目標(biāo)特性判別得到最終的分割結(jié)果。通過(guò)與傳統(tǒng)光斑分割算法進(jìn)行對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),該算法抗噪能力更強(qiáng),有效解決了背景與噪聲干擾下光斑目標(biāo)的分割問(wèn)題。

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

圖1圖像處理流程

圖2為激光成像雷達(dá)對(duì)圓形反光標(biāo)志成像的光斑灰度圖像。圖2原始激光光斑圖像

圖5卷積結(jié)果圖

式中,convX(i,j),convY(i,j)分別是對(duì)圖像坐標(biāo)為(i,j)的點(diǎn)計(jì)算X方向梯度與Y方向梯度的卷積。最終卷積結(jié)果為兩方向梯度卷積的疊加。卷積運(yùn)算結(jié)果如圖5所示。對(duì)比圖3可以看出,卷積前背景干擾面積大,灰度接近光斑灰度,并與光斑在邊緣處發(fā)生混疊。卷積后光斑峰值為絕對(duì)值....

圖6極值點(diǎn)搜索結(jié)果

對(duì)于卷積后的增強(qiáng)圖像,目標(biāo)光斑與背景幅值存在較大差異,但不能直接采用大于背景噪聲強(qiáng)度的固定閾值進(jìn)行分割。實(shí)驗(yàn)發(fā)現(xiàn),由于光斑間灰度存在差異,卷積后峰值差別拉大,直接使用大于背景的閾值分割將導(dǎo)致同等大小的光斑分割結(jié)果尺寸差別較大。且若圖像中存在不同尺寸和灰度的光斑,分割閾值難以統(tǒng)一。....

圖7極值點(diǎn)約束分割區(qū)域篩選

由極值點(diǎn)標(biāo)記結(jié)果可以看出,若殘留背景干擾部分面積較大,則同一區(qū)域內(nèi)一般存在多個(gè)極值點(diǎn),而卷積后的光斑圖像極值點(diǎn)一般只有一個(gè)。故可采用極值點(diǎn)約束對(duì)包含大量極值點(diǎn)的背景連通區(qū)域進(jìn)行剔除。該方法可以有效剔除分割后殘留的背景信息,缺點(diǎn)是如果光斑由于彌散發(fā)生混疊導(dǎo)致分割結(jié)果連通,該算法會(huì)將....

本文編號(hào)：3967708