本發(fā)明專利技術(shù)提出一種基于目標(biāo)區(qū)域局部增強的反射層析激光雷達圖像分割方法，包括：輸入經(jīng)濾波反投影重構(gòu)得到的反射層析激光雷達生成的原始圖像；通過二維低通濾波器去除原始圖像中的環(huán)狀偽影；進一步執(zhí)行均值濾波處理，以濾除噪點，并使用迭代閾值法執(zhí)行對經(jīng)濾除噪點后的圖像的初始分割，以獲得分割圖像；對分割圖像按照外接凸多邊形面積最小的準(zhǔn)則進行目標(biāo)區(qū)域的提取，提取出閉合的外接凸多邊形的目標(biāo)區(qū)域；針對提取出的目標(biāo)區(qū)域采用圖像填充算法完成圖像填充，得到目標(biāo)顯著圖；將目標(biāo)顯著圖與原始圖像融合，獲得目標(biāo)區(qū)域增強的融合圖像；采用迭代閾值法求出增強的目標(biāo)區(qū)域圖像的最佳閾值，然后使用最佳閾值對整幅融合圖像進行分割。行分割。行分割。
Reflection tomography lidar image segmentation method based on local enhancement of target region
【技術(shù)實現(xiàn)步驟摘要】
基于目標(biāo)區(qū)域局部增強的反射層析激光雷達圖像分割方法
[0001]本專利技術(shù)屬于激光雷達
，尤其涉及一種基于目標(biāo)區(qū)域局部增強的反射層析激光雷達圖像分割方法。
技術(shù)介紹
[0002]激光反射層析雷達成像是一種兼顧遠距離和高分辨率成像的新型激光雷達系統(tǒng)，這項技術(shù)最早由Parker J K于1988年提出(Parker J K,Craig E B, Klick D I,et al.Reflective tomography:images from rangeresolved laserradar measurements[J].Appl Opt,1988,27(13):2642
?
2643)。其工作原理是通過激光雷達探測目標(biāo)的多個角度并收集回波信號，獲取目標(biāo)多角度的深度信息，利用成像算法來計算重構(gòu)目標(biāo)的層析面輪廓圖像。但在實際工作過程中，利用常見的成像算法如濾波反投影算法來計算重構(gòu)目標(biāo)的層析面輪廓圖像時，通常伴隨大量的偽影和噪點，需要從中分割得到純目標(biāo)廓像。為提高目標(biāo)廓像的分割質(zhì)量，給出了一種反射層析激光雷達圖像目標(biāo)區(qū)域提取與分割方法。該算法能夠去除反射層析激光雷達圖像中的偽影和噪點，分割得到的圖像能夠最大限度保留原始圖像中的目標(biāo)信息，相較于傳統(tǒng)閾值分割方法，提高了分割圖像的分割質(zhì)量。
[0003]現(xiàn)有的反射層析激光雷達圖像分割方法主要包括Ostu算法、迭代閾值法和最大熵算法，其中最為常見的是迭代閾值法：迭代閾值法是基于逼近的思想，先求出圖像的最大灰度值Tmax和最小灰度值Tmin，然后取其平均作為初始閾值
[0004][0005]根據(jù)該閾值將圖像分割后，再求分割圖像兩類的平均灰度值并取平均，重復(fù)該流程直到兩者的平均灰度值不再發(fā)生變化，此時兩者的平均灰度值取平均即為最佳閾值。
[0006]此種實現(xiàn)方式的優(yōu)點包括計算簡單、運算效率較高、速度快，但是分割閾值的選取是個難點，對如圖1(a)和1(b)所示的飛機模型經(jīng)目標(biāo)成像采樣濾波反投影算法重構(gòu)得到原始圖像如圖2(a)，可以看到原始圖像中存在大量的偽影和噪點。采用傳統(tǒng)閾值分割法對圖像進行二值化處理，得到Ostu算法、迭代閾值法和最大熵算法閾值分割圖像如圖2(b)、圖2(c)和圖2(d)所示。
[0007]從閾值分割圖像來看，上述三種傳統(tǒng)閾值分割法均對條狀偽影和噪點有較好的分割效果，但環(huán)狀偽影和因其灰度值與目標(biāo)圖像接近，使用傳統(tǒng)閾值分割法很難將其與目標(biāo)分割。此外，三種閾值分割法均存在不同程度過度分割的情況，去除偽影和噪點的同時缺失了部分目標(biāo)信息，尤其是最大熵算法缺失的目標(biāo)信息最多。
[0008]原始圖像灰度直方圖如圖3所示，可以看到圖中只有一個明顯的峰，這是由于圖像背景引起的，節(jié)選灰度值范圍100
?
140的灰度直方圖，標(biāo)記上述Ostu 算法、迭代閾值法和最大熵算法計算得到的分割閾值，使用傳統(tǒng)閾值分割法選取的分割閾值通常較高，容易出現(xiàn)過度分割的情況。然而，由于環(huán)狀偽影的灰度值與目標(biāo)圖像接近，即使選取較高分割閾值，簡單的閾值分割處理也難以將其與目標(biāo)分割。
技術(shù)實現(xiàn)思路
[0009]為解決上述技術(shù)問題，本專利技術(shù)提出了一種基于目標(biāo)區(qū)域局部增強的反射層析激光雷達圖像分割方法，所述方法包括如下步驟：
[0010]步驟1，輸入經(jīng)濾波反投影重構(gòu)得到的反射層析激光雷達生成的原始圖像；
[0011]步驟2，通過二維低通濾波器去除所述原始圖像中的環(huán)狀偽影；
[0012]步驟3，對經(jīng)過步驟2處理后的圖像執(zhí)行均值濾波處理，以濾除噪點，并使用迭代閾值法執(zhí)行對經(jīng)濾除噪點后的圖像的初始分割，以獲得分割圖像；
[0013]步驟4，對步驟3獲得的所述分割圖像按照外接凸多邊形面積最小的準(zhǔn)則進行目標(biāo)區(qū)域的提取，提取出閉合的外接凸多邊形的目標(biāo)區(qū)域；
[0014]步驟5，針對提取出的所述目標(biāo)區(qū)域采用圖像填充算法完成圖像填充，得到目標(biāo)顯著圖；
[0015]步驟6，將步驟5中完成填充的所述目標(biāo)顯著圖與所述原始圖像進行融合，獲得目標(biāo)區(qū)域增強的融合圖像；
[0016]步驟7，采用迭代閾值法求出增強的目標(biāo)區(qū)域圖像的最佳閾值，然后使用所述最佳閾值對整幅所述融合圖像進行分割。
[0017]進一步的，步驟2包括子步驟：
[0018]步驟2.1，首先確定所述環(huán)狀偽影的中心位置、采樣間隔和采樣點數(shù)；利用拉東Radon變換將所述環(huán)狀偽影轉(zhuǎn)化為線性偽影；
[0019]步驟2.2，對所述線性偽影進行傅里葉變換，從而將所述線性偽影轉(zhuǎn)換到頻譜信號；
[0020]步驟2.3，使用所述二維低通濾波器對所述線性偽影的頻譜信號執(zhí)行低通濾波，以濾除所述線性偽影；
[0021]步驟2.4，對濾波后的頻譜信號執(zhí)行傅里葉逆變換和坐標(biāo)逆變換，獲得校正后的圖像。
[0022]進一步的，步驟3中所述均值濾波處理包括子步驟：
[0023]步驟3.1，針對圖像上的一個目標(biāo)像素，圈定所述目標(biāo)像素和其周圍預(yù)定半徑區(qū)塊內(nèi)的所有相鄰像素；
[0024]步驟3.2，計算所述目標(biāo)像素和其所有相鄰像素的平均值；
[0025]步驟3.3，使用所述平均值替換目標(biāo)像素的原始像素值。
[0026]進一步的，步驟3中采用迭代閾值法執(zhí)行對所述經(jīng)濾除噪點后的圖像的初始分割包括子步驟：
[0027]步驟3.4，首先求出整幅所述經(jīng)濾除噪點后的圖像的最大灰度值和最小灰度值，取最大灰度值和最小灰度值的平均值T0作為初始閾值；
[0028]步驟3.5，找出所述經(jīng)濾除噪點后的圖像中灰度值大于等于T0的部分R1和灰度值小于T0的部分R2，分別計算R1內(nèi)的平均值u1和R2內(nèi)的平均值u2，取u1和u2的平均值T1作為下一次分割的閾值；
[0029]步驟3.6，重復(fù)步驟3.5，每次用新的閾值取代上次的閾值，直到平均灰度值不再發(fā)生變化，以不再變化的平均灰度值T作為最佳閾值T；
[0030]步驟3.7，以最佳閾值T執(zhí)行對整幅圖像的初始分割，設(shè)置圖像中灰度值大于等于T
的點賦值為1，小于T的點賦值為0，得到二值化的初始分割圖像。
[0031]進一步的，在步驟4中，僅對所述分割圖像中不為零的點集按照所述外接凸多邊形面積最小準(zhǔn)則進行目標(biāo)區(qū)域提取，具體包括以下子步驟：
[0032]步驟4.1，首先輸入初始的所述分割圖像，將其中不為零的點組成點集V；
[0033]步驟4.2，剖分所述點集V，以構(gòu)建空間網(wǎng)格；
[0034]步驟4.3，利用凸包算法得到經(jīng)剖分的所述空間網(wǎng)格的凸包頂點數(shù)目k；
[0035]步驟4.4，串聯(lián)外接凸多邊形的各個頂點得到閉合的外接凸多邊形。
[0036]進一步的，步驟5中，采用圖像填充算法完成所述圖像填充包括以下子步驟：
[0037]步驟5.1，判斷所述目標(biāo)區(qū)域中的點位于所述外接凸多邊形內(nèi)還是所述外接凸多邊形外；
[0038]步驟5.2，將位于所述外接凸多邊形內(nèi)的區(qū)域賦值1.0，將位于所述外接凸多邊形外的區(qū)域賦值0.5；...
【技術(shù)保護點】
【技術(shù)特征摘要】
1.一種基于目標(biāo)區(qū)域局部增強的反射層析激光雷達圖像分割方法，其特征在于，所述方法包括如下步驟：步驟1，輸入原始圖像，所述原始圖像為通過濾波反投影重構(gòu)得到的反射層析激光雷達圖像；步驟2，通過二維低通濾波器去除所述原始圖像中的環(huán)狀偽影；步驟3，對經(jīng)過步驟2處理后的圖像執(zhí)行均值濾波處理，以濾除噪點，并使用迭代閾值法執(zhí)行對經(jīng)濾除噪點后的圖像的初始分割，以獲得分割圖像；步驟4，對步驟3獲得的所述分割圖像按照外接凸多邊形面積最小的準(zhǔn)則進行目標(biāo)區(qū)域的提取，提取出閉合的外接凸多邊形的目標(biāo)區(qū)域；步驟5，針對提取出的所述目標(biāo)區(qū)域采用圖像填充算法完成圖像填充，得到目標(biāo)顯著圖；步驟6，將步驟5中完成填充的所述目標(biāo)顯著圖與所述原始圖像進行融合，獲得目標(biāo)區(qū)域增強的融合圖像；步驟7，采用迭代閾值法求出增強的目標(biāo)區(qū)域圖像的最佳閾值，然后使用所述最佳閾值對整幅所述融合圖像進行分割。2.如權(quán)利要求1所述的方法，其特征在于，步驟2包括子步驟：步驟2.1，首先確定所述環(huán)狀偽影的中心位置、采樣間隔和采樣點數(shù)；利用拉東Radon變換將所述環(huán)狀偽影轉(zhuǎn)化為線性偽影；步驟2.2，對所述線性偽影進行傅里葉變換，從而將所述線性偽影轉(zhuǎn)換到頻譜信號；步驟2.3，使用所述二維低通濾波器對所述線性偽影的頻譜信號執(zhí)行低通濾波，以濾除所述線性偽影；步驟2.4，對濾波后的頻譜信號執(zhí)行傅里葉逆變換和坐標(biāo)逆變換，獲得校正后的圖像。3.如權(quán)利要求1所述的方法，其特征在于，步驟3中所述均值濾波處理包括子步驟：步驟3.1，針對圖像上的一個目標(biāo)像素，圈定所述目標(biāo)像素和其周圍預(yù)定半徑區(qū)塊內(nèi)的所有相鄰像素；步驟3.2，計算所述目標(biāo)像素和其所有相鄰像素的平均值；步驟3.3，使用所述平均值替換目標(biāo)像素的原始像素值。4.如權(quán)利要求3所述的方法，其特征在于，步驟3中采用迭代閾值法執(zhí)行對所述經(jīng)濾除噪點后的圖像的初始分割包括子步驟：步驟3.4，首先求出整幅所述經(jīng)濾除噪點后的圖像的最大灰度值和最小灰度值，取最大灰度值和最小灰度值的平均值T0作為初始閾值；步驟3.5，找出所述經(jīng)濾除噪點后的圖像中灰度值大于等于T0的部分R1和灰度值小于T0的部分R2，分別計算R1內(nèi)的平均值u1和R2內(nèi)的平均值u2，取u1和u2的平均值T1作為下一次分割的閾值；步驟3.6，重復(fù)步驟3.5，每次用新的閾值取代上次的閾值，直到平均灰度值不再發(fā)生變化，以不再變化的平均灰度值T作為最佳閾值T；步驟3.7，以最佳閾值T執(zhí)行對整幅圖像的初始分割，設(shè)置圖像中灰度值大于等于T的點賦值為1，小于T的點賦值為0，得到二值化的初始分割圖像。5.如權(quán)利要求1所述的方法，其特征在于，在步驟4中，僅對所述分割圖像中不為零的點
集按照所述外接凸多邊形面積最小準(zhǔn)則進行目標(biāo)區(qū)域提取，具體包括以下子步驟：步驟4.1，首先輸入初始的所述分割圖像，將其中不為零的點組成點集V；步驟4.2，剖分所述點集V，以構(gòu)建空間網(wǎng)格；步驟4.3，利用凸包算法得到經(jīng)剖分的所述空間網(wǎng)格的凸包頂點數(shù)目k；步驟4.4，串聯(lián)外接凸多邊形的各個頂點得到閉合的外接凸多邊形。6.如權(quán)利要求1所述的方法，其特征在于，步驟5中，采用圖像填充算法完成所述圖像填充包括以下子步驟：步驟5.1，判斷所述目標(biāo)區(qū)域中的點位于所述外接凸多邊形內(nèi)還是所述外接...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：胡以華，張鑫源，方佳節(jié)，王一程，徐世龍，韓飛，陳友龍，馬圣杰，
申請(專利權(quán))人：中國人民解放軍國防科技大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。