[发明专利]一种线阵图像中的目标轮廓检测方法

说明书

本发明提供了一种线阵图像中的目标轮廓检测方法，能够有效提高图像处理效率和精度。本发明提出了一种线阵图像中的目标轮廓检测方法，采用基于压缩的图像预处理方法，利用图像块的对比度进行压缩，提高了图像数据效率。在获得潜在目标位置后，进行图像局部分析，利用相机的高分辨率特性，有效提高图像处理精度。本发明方法在压缩中充分利用原始图像像素的灰度信息，计算得到图像对比度，有效提高图像处理效率和精度。本发明在目标轮廓检测中，还利用基于形状聚类的多目标毗连分割方法以及假目标剔除策略，以最大化识别全部目标，降低后续的多靶面多目标信息匹配难度，实现对线阵图像中弱小多目标的轮廓分割处理。

技术领域

本发明属于图像识别技术领域，尤其涉及一种线阵图像中的目标轮廓检测方法。

背景技术

当前，在图像处理中因为线阵相机曝光时间短，灵敏度高，帧率大，单方向分辨率高等特点，广泛的应用于对高速目标进行飞越检测和双目视觉定位中。目前对弱小多目标检测的方式有：Top-Hat变换、空间匹配滤波、帧间差分法和Max-mean滤波方法等。其中，空间匹配滤波和Max-mean滤波方法针对帧频大数据量的图像处理效率较低；Top-Hat变换和帧间差分由于运算量小速度最快，但是当目标与背景灰度差较小，即目标信噪比较低时，由于空气抖动，列像素之间相互影响，Top-Hat变换和帧间差分法会引入较多的噪音。并且现有的图像压缩多采用稀疏编码做压缩，容易丢失小目标。

因此，现有的对于线阵图像的处理算法对于大数据量的图像流目标处理能力有限，尤其在帧率较大的情况下，处理效率较低，目标识别准确度差并且可能造成系统虚警。当虚警概率增大时，不能有效排除假目标，测量数据的可信度下降，同时也给后续的图像信息融合带来困难。

发明内容

有鉴于此，本发明提出了一种线阵图像中的目标轮廓检测方法，能够有效提高图像处理效率和精度。

为实现上述目的，本发明提供了一种线阵图像中的目标轮廓检测方法，包括如下步骤：

步骤1，采用滑窗对原始图像进行压缩处理，得到压缩后的图像；

其中压缩方式为：以滑窗内的图像为中心图像块，计算该中心图像块与周围邻域图像块的图像对比度，得到中心图像块的对比度；遍历整幅图像，得到各中心图像块的对比度，用各对比度代替对应中心图像块的图像灰度值，完成原始图像压缩；其中周围邻域图像块尺寸与滑窗尺寸一致，滑窗步长为窗口长度的一半；

步骤2，首先基于压缩后的图像计算潜在目标位置；

然后在计算出的潜在目标位置范围内，采用“视觉放大器”原理对压缩后的图像进行目标轮廓检测。

其中，所述步骤1中，基于图像灰度值计算图像对比度。

其中，所述图像对比度计算方式为：

首先进行滑窗操作，获得滑窗下图像块的图像灰度均值，遍历整幅图像，得到各个图像块的图像灰度均值；

再次进行滑窗操作，根据滑窗下图像块的图像灰度最大值与其邻域图像块的图像灰度均值进行图像对比度计算，得到该中心图像块的对比度。

其中，所述步骤2中，将步骤1生成的压缩后的图像进行二值化处理，求出潜在目标位置。

其中，基于自适应阈值进行二值化处理，所述自适应阈值为：

T(x,y)＝m(x,y)+k·σ(x,y) (6)

式中，(x,y)为图像像素点坐标，m(x,y)为点(x,y)邻域范围内图像灰度平均值，σ(x,y)为点(x,y)邻域范围内图像灰度标准差，k选取范围为10～15。

其中，所述步骤2中的目标轮廓检测中，若存在多目标毗连，则采用以下方式进行毗连分割：

判断有无相邻完整边缘线：