[发明专利]一种猫眼目标识别算法

摘要

本发明涉及一种猫眼目标识别算法，具体方案为：采用激光照明分别获取黑白和彩色图像；将黑白图像进行动态阈值分割，并采用先腐蚀后膨胀的方法去除杂点；通过边界追踪算法搜索连通区域，记录其像素点的数目；对于大区域，应用基于方差的识别方法识别圆形，对于小区域，采用远距离目标识别算法；记录可疑区域的形心坐标，在彩色图像中判断颜色信息。本发明在激光主动探测识别光电系统、光学设备中有很好的实用价值和应用前景。

主权项

1.一种猫眼目标识别方法，其特征在于，包括：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为小于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并对搜索到的可疑目标区域进行定位；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疑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；Bth=max[F(i,j)]+min[F(i,j)]2(Imin≤i≤Imax,Jmin≤j≤Jmax)]]>其中，F(i,j)代表新的矩形区域中坐标为(i,j)的像素点的灰度值，I_max,J_max,I_min和J_min分别是新的矩形区域的最大横纵坐标和最小横纵坐标；同时计算灰度值高于B_th的像素点个数N_a，Na=Σi=IminImaxΣj=JminJmaxmc,]]>其中，mc=1F(i,j)≥Bth0F(i,j)<Bth;]]>步骤九、根据步骤八中确定的阈值B_th对所述新的矩形区域进行二值化处理和边界扫描，获取新的可疑目标区域；步骤十、针对步骤九中得到的新的可疑目标区域，根据公式进行圆形度近似检测，I_{max_n},J_{max_n},I_{min_n}和J_{min_n}分别是新的可疑目标区域的最大横纵坐标和最小横纵坐标，D为小于1的参数；将符合上述圆形度检测公式的小区域定义为初步可疑目标区域，然后进入步骤十一；步骤十一、判断彩色图像中与初步可疑目标区域对应的区域是否含有彩色信息；将不含有彩色信息的可疑目标区域识别为真正的目标区域。