[发明专利]一种猫眼目标识别算法

说明书

技术领域

本发明涉及图像处理领域，具体涉及一种猫眼目标识别算法。

背景技术

随着夜视仪、测距仪、瞄准镜等光学观瞄系统广泛应用在各个领域，基于猫眼效应的激光主动探测装置逐渐成为研究的热点，相比于声波探测和红外探测等被动探测技术有着“先发制人”的优势。而且，相关技术中的关于猫眼目标的识别算法主要是利用了黑白CCD采集到的信息，这就造成了比如车灯、交通灯等具有明显彩色特征的亮点并不能有效地被剔除出去，在应用中受到很大的限制。

发明内容

有鉴于此，本发明提供了一种猫眼目标识别算法，具有图像处理效率高，能有效剔除具有明显彩色特征的亮点的特点。

该方案是这样实现的：

步骤一、获取激光照射区域的灰度图像和彩色图像，并分别保存所述灰度图像和彩色图像；

步骤二、根据动态阈值A_th＝C×max[f(i,j)](0≤i≤M,0≤j≤N)对灰度图像进行分割处理，获得二值图像，其中f(i,j)是坐标为(i,j)的像素点的灰度值，M和N分别代表灰度图像的行数和列数，C是小于1的系数；

步骤三、对二值图像进行图像腐蚀膨胀运算，得到处理后的图像；

步骤四、对进行了腐蚀膨胀运算后的图像通过边界追踪算法进行可疑目标区域搜索；

步骤五、利用判决关系式对所述可疑目标区域进行判决，将S₁=50，S₂=15时符合判决关系式的可疑目标区域定为大区域，进入步骤六，将S₁=15，S₂=5时符合判决关系式的可以目标区域定为小区域，进入步骤七，其中所述判决式为：i_max,j_max,i_min和j_min分别是可疑目标区域的最大横纵坐标和最小横纵坐标；

步骤六、对判决结果属于大区域的可疑目标区域，利用基于方差的识别方法进行圆形度检测，圆形度检测的公式为：

nri2‾Σi=1n|ri2-ri2‾|≥(imax-imin)+(jmax-jmin)2×t]]>

其中，是边界点与中心点的距离，n是边界像素点的个数，t为预设参数；

将满足上述圆形度检测公式的可疑目标区域定义为初步可疑目标区域，然后进入步骤十一；

步骤七、对判决结果属于小区域的可疑目标区域，依据小区域的坐标信息进行定位，并对属于小区域的可疑目标区域的横纵坐标各外扩5个像素点，得到新的矩形区域；

步骤八、在新的矩形区域中，根据灰度公式确定阈值B_th；