基于梯度卷积的激光光斑图像分割

发布时间：2024-05-08 19:21

　　为解决传统方法对存在背景噪声干扰的光斑图像分割效果不理想的问题,设计了一种基于梯度卷积的光斑图像分割算法。首先对光斑、背景、噪声的空间灰度分布特性进行分析。而后根据目标与干扰在空间灰度梯度分布特性的差别,构造适应目标尺度的梯度卷积模板,与光斑的梯度图进行卷积,从而在增强光斑特性的同时抑制了背景干扰及噪声。最后,在噪声抑制图像的基础上结合阈值分割和目标特性判别得到最终的分割结果。通过与传统光斑分割算法进行对比实验发现,该算法抗噪能力更强,有效解决了背景与噪声干扰下光斑目标的分割问题。

【文章页数】：7 页

【部分图文】：

图1图像处理流程

图2为激光成像雷达对圆形反光标志成像的光斑灰度图像。图2原始激光光斑图像

图5卷积结果图

式中,convX(i,j),convY(i,j)分别是对图像坐标为(i,j)的点计算X方向梯度与Y方向梯度的卷积。最终卷积结果为两方向梯度卷积的叠加。卷积运算结果如图5所示。对比图3可以看出,卷积前背景干扰面积大,灰度接近光斑灰度,并与光斑在边缘处发生混叠。卷积后光斑峰值为绝对值....

图6极值点搜索结果

对于卷积后的增强图像,目标光斑与背景幅值存在较大差异,但不能直接采用大于背景噪声强度的固定阈值进行分割。实验发现,由于光斑间灰度存在差异,卷积后峰值差别拉大,直接使用大于背景的阈值分割将导致同等大小的光斑分割结果尺寸差别较大。且若图像中存在不同尺寸和灰度的光斑,分割阈值难以统一。....

图7极值点约束分割区域筛选

由极值点标记结果可以看出,若残留背景干扰部分面积较大,则同一区域内一般存在多个极值点,而卷积后的光斑图像极值点一般只有一个。故可采用极值点约束对包含大量极值点的背景连通区域进行剔除。该方法可以有效剔除分割后残留的背景信息,缺点是如果光斑由于弥散发生混叠导致分割结果连通,该算法会将....

本文编号：3967708