發(fā)布時(shí)間：2021-09-30 23:38

　　為研究強(qiáng)脈沖輻射源的輻射變化規(guī)律,針對(duì)輻射源焦斑圖像,設(shè)計(jì)了一種基于像質(zhì)分析的強(qiáng)脈沖輻射源焦斑圖像分割方法。首先,在分析輻射源焦斑圖像一般特點(diǎn)并總結(jié)常見(jiàn)圖像分割方法的基礎(chǔ)上,提出了適合于焦斑的圖像分割方法。其次,采用圖像信噪比、圖像灰度最大值及圖像模糊度3個(gè)圖像質(zhì)量評(píng)價(jià)參數(shù)對(duì)輻射源焦斑圖像進(jìn)行了定量化像質(zhì)分析。最后,在經(jīng)典OTSU閾值分割方法的基礎(chǔ)上,提出了根據(jù)像質(zhì)分析結(jié)果動(dòng)態(tài)調(diào)節(jié)分割算法的計(jì)算策略。仿真實(shí)驗(yàn)結(jié)果表明,本文算法顯著提高了圖像的分割效果和計(jì)算的穩(wěn)定性,證明了該方法的正確和有效。 

【文章來(lái)源】：現(xiàn)代應(yīng)用物理. 2020,11(03)

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

實(shí)測(cè)輻射源焦斑圖像示例

通過(guò)仿真實(shí)驗(yàn)分析,本文選取閾值分割技術(shù)用于強(qiáng)脈沖輻射源焦斑圖像的分割,圖2為計(jì)算流程圖。首先,在獲取一幅圖像后,需進(jìn)行圖像預(yù)處理。針對(duì)椒鹽噪聲污染的圖像,本文采用經(jīng)典的中值濾波和形態(tài)學(xué)計(jì)算對(duì)圖像進(jìn)行降噪處理。

利用模擬及實(shí)測(cè)的強(qiáng)脈沖輻射焦斑對(duì)本文算法的有效性分別進(jìn)行驗(yàn)證與分析。模擬實(shí)驗(yàn)在CPU為Intel(R) Core(TM)i5-4200H、主頻為2.8 GHz、內(nèi)存為8 GB的PC機(jī)上進(jìn)行,利用Python 3.6.9及Opencv 3.3.1軟件進(jìn)行編程。采用LED陣列光源模擬焦斑輻射,CCD相機(jī)模擬觀(guān)測(cè)傳感器,模擬得到的強(qiáng)脈沖輻射焦斑如圖3所示。圖4給出了使用不同分割方法對(duì)圖3的分割結(jié)果。其中,圖4(a)為圖3添加椒鹽噪聲后的結(jié)果;圖4(b)為采用固定閾值分割的結(jié)果,固定閾值取150;圖4(c)為采用經(jīng)典OTSU方法分割的結(jié)果;圖4(d)為采用分水嶺算法分割的結(jié)果;圖4(e)為采用k均值聚類(lèi)方法分割的結(jié)果;圖4(f)為采用snake模型分割的結(jié)果;圖4(g)為采用最大熵方法分割的結(jié)果;圖4(h)為采用本文方法分割的結(jié)果。由圖4可見(jiàn),經(jīng)典閾值分割方法、經(jīng)典OTSU方法、分水嶺算法及最大熵方法雖然在一定程度上能較好地分割焦斑外側(cè)邊緣,但對(duì)焦斑中心的黑斑分割效果較差; k均值聚類(lèi)方法可分割出焦斑中心的黑斑,但需要人為指定聚類(lèi)個(gè)數(shù)及聚類(lèi)中心,在實(shí)際應(yīng)用中具有一定的困難;本文提出的基于圖像質(zhì)量分析的改進(jìn)OTSU分割方法可較好地分割出焦斑邊緣及內(nèi)側(cè)黑斑。


本文編號(hào)：3416845