[發明專利]基于區域生長的目標檢測方法

在審

• 申請號: 201710122542.X
• 申請日: 2017-03-03
• 公開（公告）號: CN108537813A
• 公開（公告）日: 2018-09-14
• 發明（設計）人: 不公告發明人
• 申請（專利權）人: 防城港市港口區思達電子科技有限公司
• 主分類號: G06T7/155
• 分類號: G06T7/155;G06T7/187
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于區域生長的目標檢測方法，包括以下步驟：S1：在形態學濾波機理的基礎上，利用圖像的整體紋理分布特點進行逐行掃描，選取有效的極大值點、極小值點，自適應確定結構元素的大小進行圖像濾波；S2：在形態學目標區域檢測的基礎上，定義種子點約束區域的自動選取原則，并在區域生長過程中建立一個空隊列，按照順序遍歷方法由種子區域開始區域生長，以事先制作好的目標形狀模板大小為生長準則參考，對整個生長的判定進行閾值自適應調整，得到最終的生長結果圖，確定待檢測目標。

技術領域

本發明具體涉及一種基于區域生長的目標檢測方法。

背景技術

紅外成像末制導是飛行器成像末制導的一項核心技術，這對新一代武器系統的視覺導航技術具有重要的影響作用。在復雜紅外背景下，目標往往嵌入在空間分布不平穩的背景分量中，且易受背景雜波和誘餌的干擾。這為紅外成像制導帶來了很大的困難。近年來，在將圖像中含有目標的區域從各種背景雜波中檢測出來的研究方面，已采取了很多種方法，如閾值分割法、邊緣分割法、灰度直方圖法，但是在背景復雜且對比度低的情況下效果不理想；數學形態學方法具有完美的數學基礎，是一種非線性濾波方法，在計算機視覺、圖像處理、圖像分割、醫學圖像分析等領域得到了廣泛的應用。

數學形態學的一大亮點就是結構元素，在圖像處理中它可以使大量復雜的圖像運算變為簡單的邏輯運算。結構元素在圖像處理的運算中相當于濾波窗口，同時攜帶尺寸、形狀、灰度、色度等知識.結構元素是否合適，將直接影響圖像處理的效果，比如圖像邊緣檢測的結果以及圖像特征的提取等，同時運算的數據量也與其相關。

發明內容

本發明要解決的技術問題是提供一種基于區域生長的目標檢測方法。

基于區域生長的目標檢測方法，包括以下步驟：

S1：在形態學濾波機理的基礎上，利用圖像的整體紋理分布特點進行逐行掃描，選取有效的極大值點、極小值點，自適應確定結構元素的大小進行圖像濾波；

S2：在形態學目標區域檢測的基礎上，定義種子點約束區域的自動選取原則，并在區域生長過程中建立一個空隊列，按照順序遍歷方法由種子區域開始區域生長，以事先制作好的目標形狀模板大小為生長準則參考，對整個生長的判定進行閾值自適應調整，得到最終的生長結果圖，確定待檢測目標。

進一步的，選取有效的極大值點、極小值點的具體方法如下：

1）選取有效的極大值點、極小值點首先滿足條件如下：

a）極值點的分布呈間隔排列，即極大值點與極小值點交錯分布；

b）設定閾值，像素坐標需滿足：(有效極大值點—相鄰最近極小值點)>；

c）設定閾值，像素坐標滿足：(極大(小)值點i—極大(小)值點j)；

2)以一定步長掃描圖像時，若同一掃描線上第i個像素點的灰度值滿足>和≥，那么像素點i為局部極大值點；若的值滿足且，那么像素點i為局部極小值點；

3）若第i個局部極值點及第i+1個局部極值點都為極大值點，則判斷兩者的像素灰度值大小，選擇灰度值較大的點；若兩者都為極小值點，則選擇像素灰度值較小的點；

4）若第i個像素點為極大值點，而第i+1個像素點為極小值點，若，且比較與的值，則將灰度值較小的極大值點以及第i+1個像素點刪除；相反，若第i個像素點為極小值點，而第i+1個像素點為極大值點，將灰度值較大的極小值點以及第i+1個像素點刪除；

5）對極大值點按照各組內極值點間距不超過預先設定的閾值，并且組間極大值點之間的距離大于閾值的原則進行分組劃分；同理，極小值點也按照相應的原則進行劃分；若各個組內的極值點數目小于預定閾值，則將該組內的所有極值點刪除。