[发明专利]一种光斑提取及其质心确定的方法在审

专利信息
申请号: 201711024421.8 申请日: 2017-10-27
公开(公告)号: CN107784669A 公开(公告)日: 2018-03-09
发明(设计)人: 许轰烈;徐平平;高岩渊;韩昀;唐茗 申请(专利权)人: 东南大学;江苏广靖锡澄高速公路有限责任公司
主分类号: G06T7/66 分类号: G06T7/66;G06T7/136;G06T7/90
代理公司: 南京苏高专利商标事务所(普通合伙)32204 代理人: 李玉平
地址: 210000 *** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 光斑 提取 及其 质心 确定 方法
【权利要求书】:

1.一种光斑提取及其质心确定的方法,其特征在于,包括如下步骤:

第一步:导入图像,对图像进行预处理,包括基于去雾算法的处理、滤波处理、基于直方图增强算法的处理以及基于彩色特征提取算法的处理,以提高图像质量;

第二步:计算图像彩色特征,得到特征图像;

第三步:阈值分割特征图像,并得到分割二值化图像;

第四步:通过寻找一阶导数交叉点的方法确定光斑的质心所覆盖的基本像素区域;

第五步:使用像素中心区域不饱和点灰度信息高斯拟合来计算光斑中心坐标。

2.如权利要求1所述的光斑提取及其质心确定的方法,其特征在于,采用基于排序统计的矢量中值滤波法对图像进行滤波处理:

首先对于具有N个矢量的集合V={v1,v2,,…,vN},将其通过一个矢量中值滤波器后得到的输出中值为xVM=VM{v1,v2,,,,vN},其中xvm属于V;对于每个矢量计算它到其余矢量的距离之和即为矢量差值的二范数之和(i=1,2,…,N)对Si进行排序,从中选出最小值,记为Sk;则满足的vk即为输出的中值矢量。

3.如权利要求1所述的光斑提取及其质心确定的方法,其特征在于,用公式来表述有雾图像模型为:

I(x)=J(x)·t(x)+A[1-t(x)],t(x)=exp[-βd] (1)

式(1)中I(x)是观测到的有雾图像,J(x)为待求的无雾图像,t(x)为大气透射率,A表示大气光,β为大气衰减系数,d为场景中物体到摄像位置的距离。

4.如权利要求1所述的光斑提取及其质心确定的方法,其特征在于,经去雾处理后的图像再利用直方图增强算法来放大图形所含的信息;步骤如下:

假设f(i,j)=I={I(i,j)}代表一副数字图像,这里I(i,j)代表在(i,j)点处的图像灰度值;将图像亮度数字化,并分成诸如{I0,I1,I2,...,IL-1}的L个等级;显然假设nk代表图像中灰度等级为Ik的像素总个数;使用单阈值T可以将输入图像I分割成二个子图像IL、IU

I=IL∪IU

IL={I(i,j)|I(i,j)≤IT,∀I(i,j)}Iu={I(i,j)|I(i,j)>IT,∀I(i,j)}---(2)]]>

其概率密度函数PDF可以由下式表示:

pL(Ik)=nkN,(k=0,1,2,...,T1)---(3)]]>

pU(IK)=nkN,(K=T1+1,T1+2,,,,,L-1)---(4)]]>

nk代表子图像IL、IU中灰度等级为Ik的像素总个数。N代表整幅图像的像素个数;从而,IL、IU的累积密度函数PDF可以定义为:

cL(IK)=Σj=0kpL(Ij),(k=0,1,,,,T)---(5)]]>

cu(IK)=Σj=T+1Kpu(Xj)---(6)]]>

传递函数定义为:

fL(IK)=I0+(T-I0)cL(IK),(K=0,1,、、、,T) (7)

fu(IK)=IT+1+(IL-1-IT+1)cu(IK),(K=T+1,T+2,、、、,L-1)(8)

这样,就完成了图像的预处理。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东南大学;江苏广靖锡澄高速公路有限责任公司,未经东南大学;江苏广靖锡澄高速公路有限责任公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201711024421.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top