[发明专利]一种基于形态学方法及Meanshift算法的电磁图像分块方法

说明书

本发明是基于形态学方法及Meanshift算法的电磁图像分块方法，本发明首先对图像进行同态滤波抑噪，然后使用形态学方法对图像进行处理，从而使图像更易于进行Mean Shift聚类分割，然后计算图像粗糙度和像素值平均偏移作为聚类算法的阈值参数。接下了进行MS分割，并对分割后图像判断是否为同一信号区域，对于同一信号区域进行合并。对方法进行了仿真和实验验证，结果显示方法可以高效准确的对多区域多频率电磁图像进行图像抑噪并分割。

技术领域

本发明涉及对多区域多频率电磁辐射源成像的噪声抑制及分区图像恢复算法，具体涉及电磁探测及图像处理领域。

背景技术

目前对电磁干扰源的检测手段存在很多缺点，如检测速度慢、难以全面检测等，而利用抛物反射面进行电磁成像的方法可以快速准确地检测干扰源的位置。电磁成像研究目前主要集中在被动毫米波成像领域，受天线尺寸、衍射受限等因素的影响，所成图像分辨率不高，相关的提高分辨率的超分辨算法成为了研究的热点。而对于电磁干扰源的检测成像，与毫米波成像相比波长更长，衍射受限更为严重，且所成图像中包含多种干扰源的点扩展函数，如何提高其分辨率使得干扰源能够清晰分辨成了新的难点。

发明内容

本发明技术解决问题：克服现有技术的不足，提出了一种基于形态学方法及Meanshift算法的电磁图像分块方法，可以使图像处理符合人眼对于亮度响应的非线性特性，避免了直接对图像进行傅立叶变换处理的失真。

本发明技术解决方案：在进行分区算法之前，先使用同态滤波对图像进行去噪处理，同态滤波是把频率过滤和灰度变换结合起来的一种图像处理方法，它依靠图像的照度/反射率模型作为频域处理的基础，利用压缩亮度范围和增强对比度来改善图像的质量。

接下来对去噪处理后的图像进行区域抽离。区域抽离的基础是进行图像的分割。简单的图像分割方法包括均匀分割与非均匀分割均。采用均匀分割的方法即对所成图像横向分割或纵向分割，规定所分区域的个数，将图像均匀的分割，这种方法显然是不适用的，无法准确找到各干扰源位置，并且易将一个干扰源分到不同区域。非均匀分割法则根据各干扰源位置和大小进行分割，可以准确找到分辨率相同的干扰源所在区域，但需要手动进行，耗时长且没有统一的分割方法。作为图像处理领域的热点问题，近年来已有许多有效的图像分割方法，而其中基于Mean Shift即均值漂移的方法适用于对电磁辐射源成像的分割。

但Mean Shift图像分区算法倾向于识别凸性分布，大小相近，密度相近的聚类，因此需要对原始电磁探测成像进行处理，使得待分割区域边缘尽量平滑，且为凸性分布，从而提高Mean Shift算法的精确度。经过分割后得到的图像有割裂同一区域或重叠的可能性，因此在Mean Shift算法计算之后增加对于重叠图像及错误割裂图像的判断，得到的最终分割图像能够较准确的分别出各个区域。

本发明包括以下步骤：

步骤1，获得未知辐射源的降质图像，对图像进行对数运算，将图像转换为照度和反射两个部分相加的形式，得到取对数后图像；

步骤2，对取对数后图像进行滤波处理，滤除图像的高频噪声，从而压低亮度范围，再对图像取指数，恢复电磁功率图像，得到去噪处理后图像；

步骤3，对去噪处理后图像进行sorbel边缘提取，并使用图像形态学方法对边缘提取图像进行膨胀腐蚀操作，从而将图像填充为信号区域为凸性边缘的整体二值图像；

步骤4，计算整体二值图像的粗糙度，粗糙度代表了图像中平均纹理的大小，作为MeanShift算法中距离聚类阈值hs，然后计算图像像素平均偏移值，此偏移值代表图像各像素点之间像素值变化情况，作为MeanShift算法中像素值聚类阈值h_r；

步骤5，根据步骤4中计算得到的距离聚类参数h_s和像素值聚类参数h_r对填充图像进行MeanShift算法进行图像分块；