含噪声离散点图像制备方法、质心提取方法及实验平台技术

本发明专利技术含噪声离散点图像制备方法、质心提取方法及实验平台，该实验平台主要包括局部投影坐标变换、噪声添加图像制备和噪声去除质心提取三部分。该实验平台基于全局球面上的离散点数据，使用成像平面截取部分球面，将其中局部离散点投影至成像平面，对局部离散点数据加入背景亮度、图像噪声和离散点亮度，完成局部离散点图像制备。该实验平台实现了对全局球面上离散点的截取、局部投影与坐标变换，同时加入多种类型的噪声，制备含噪声的局部离散点图像，实现了与真实环境下特征点图的高相似性仿真，并通过去噪和质心提取获取含噪声局部离散点图中的离散点数据，作为点信息用于后续图像匹配、识别的数据基础。识别的数据基础。识别的数据基础。

【技术实现步骤摘要】
含噪声离散点图像制备方法、质心提取方法及实验平台


[0001]本专利技术涉及图像制备、图像处理技术，特别是一种基于局部投影的含噪声离散点图像制备方法、质心提取方法及实验平台。

技术介绍

[0002]近年来，图像匹配已成为计算机视觉的一个重要领域，基于特征点的目标识别与匹配也发展为图像匹配的一个重要应用方向。基于特征点数据的离散点匹配在景象匹配、星光导航等领域内，有着广泛的需求和应用，而局部离散点图像在全局离散点中的位置匹配与识别依赖于图像数据的制备与处理。为了由全局球面离散点中制备含噪声局部离散点图，并由该图中提取离散点质心坐标数据，需要能够以指定局部投影、噪声参数完成含噪声局部离散点图制备的实验平台，以及高精度的质心坐标提取。
[0003]目前由含噪声局部图像中识别、提取目标离散点质心方法主要基于滤波和逐帧累加的简单阈值分割两种方式，且均达到了不错的识别精度，满足后续的目标识别、匹配需求，得到了工程上的广泛应用。但是由于滤波算法无法在含噪声条件下有效、可靠地去除伪离散点、噪点等与离散点本身相似的噪声，且易丢失亮度不高、与背景模糊的真实离散点，因此该方法对图像有着较强的噪声要求，其应用场景受限。而基于逐帧累加阈值分割的方法可以实现较强的抗干扰能力和稳定性，且质心提取的精度随帧数的叠加可进一步提升，但该算法要求同一空间、同一时刻下的多张图像，或以高帧率采集的视频数据，因此成像设备、成像条件对都其存在一定的制约。
[0004]传统的离散点图像制备多基于真实环境采样、特征点提取获得，而目标识别匹配算法通常对数据有着极强的依赖性，目前尚无可提供大量近似真实环境下的特征点图的实验平台。而离散点质心提取算法目前适用性受限，目前尚无针对含复杂噪声条件的单一离散点图像的强抗扰动能力、高精度的质心提取算法。

技术实现思路

[0005]针对现有技术存在的各项不足，提出一种基于局部投影的含噪声离散点图像制备方法、质心提取方法及实验平台。该实验平台对制备的含噪声局部离散点图像以设定的去噪参数，进行背景去除及确定真实离散点，实现对离散点质心坐标提取，在含噪声条件下识别精度高于98％的高精度要求。
[0006]本专利技术解决所述技术问题采用的技术方案是：
[0007]第一方面，本专利技术提供一种基于局部投影的含噪声离散点图像制备方法，该噪声离散点图像制备方法的过程是：
[0008]获取局部投影的二维离散点数据，得到局部离散点图；
[0009]设定噪声参数，包括背景亮度均值、背景亮度方差、离散点亮度均值、离散点亮度方差、弥散效应两方向强度、伪离散点数量、伪离散点亮度、伪离散点尺寸：
[0010]所述背景亮度均值为人为输入20以内的数或以0
‑
20之间的随机函数输入，优选背
景亮度均值为10
‑
20；
[0011]所述背景亮度方差为人为输入1
‑
5之间的数或以1
‑
5之间的随机函数输入，在背景亮度均值取范围内的较大值时，背景亮度方差相应的取范围内的较小值；
[0012]所述离散点亮度均值为人为设定值在100
‑
255之间的数或以100
‑
255之间的随机函数形式输入；
[0013]所述离散点亮度方差围绕离散点亮度均值发生亮度变化，大于背景亮度方差；
[0014]所述弥散效应两方向强度包括弥散强度x和弥散强度y，弥散强度x和弥散强度y均为3
‑
5之间，xy之间具有差值时能够形成表征线性变化的噪声；
[0015]所述伪离散点数量为人为输入3
‑
5之间的数或以3
‑
5之间的随机函数输入；所述伪离散点亮度大于离散点亮度均值，伪离散点尺寸设置为3*3
‑
5*5之间；
[0016]以输入的背景亮度均值和离散点亮度均值分别作为背景亮度噪声和离散点亮度噪声引入局部离散点图中；
[0017]以输入的背景亮度均值和背景亮度方差作为指定均值和强度形成的高斯白噪声作为背景高斯白噪声引入局部离散点图中；
[0018]根据该式子模拟离散点由于成像期间运动带来的线性变化及模糊效应而引起的噪声，将其引入局部离散点图中；
[0019]其中A为符合输入要求的离散点亮度均值、离散点亮度方差参数高斯分布随机生成的Q(x
q
’
,y
q
’
)离散点亮度，σ
x
’
和σ
y
’
为离散点Q在x
’
轴和y
’
轴方向的弥散效应强度，x
’
，y
’
为局部离散点图中的位置，f(x
’
,y
’
)表示任意位置的亮度值；
[0020]以输入的伪离散点亮度为均值，以离散点亮度方差为方差生成高斯函数，伪离散点位置依据设置的伪离散点尺寸在整个局部离散点图中完全随机确定，将随机确定的伪离散点坐标值带入高斯函数获得相应位置的伪离散点亮度值，进而确定含点图像，该含点图像作为成像高亮噪点和伪离散点的噪声输入局部离散点图中；
[0021]至此获得了在局部离散点图中引入了背景亮度噪声、图像噪声和离散点亮度噪声的含噪声局部离散点图；
[0022]所述图像噪声包括成像高亮噪点和伪离散点的噪声、离散点由于成像期间运动带来的线性变化及模糊效应而引起的噪声、背景高斯白噪声。
[0023]第二方面，一种质心提取方法，质心提取方法利用所述的基于局部投影的含噪声离散点图像制备方法获得的含噪声局部离散点图为基准进行质心提取，
[0024]设定去噪系数，包括阈值窗口尺寸、标准差倍值和均值中值比阈值；所述阈值窗口尺寸为整个含噪声局部离散点图尺寸的1/15
‑
1/30，均值中值比阈值为1.2
‑
1.5；
[0025]去除背景：将整幅含噪声局部离散点图分割成边长为设定阈值窗口尺寸的多个正方形区域，计算第k个正方形区域内像素灰度值的平均值μ
k
和方差δ
k
：
[0026][0027][0028]其中h为阈值窗口尺寸，G(i,j)为(i,j)点像素灰度值，μ
k
为第k个正方形区域的灰度值平均值，i,j为图像中第i行第j列像素值；
[0029]再按照T
k
＝μ
k
+βδ
k
计算第k个正方形区域内的局部阈值T
k
，β为设定的标准差倍值；
[0030]获得所有正方形区域的局部阈值T
k
，以得到的所有局部阈值中的最小值为最小局部阈值，选取最小局部阈值作为对背景亮度的近似值，保留大于该最小局部阈值的图像部分作为离散点、伪离散点和噪点区域，形成多个保留区域，实现背景去除；
[0031]噪点去除，确定真实离散点：对去除背景本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于局部投影的含噪声离散点图像制备方法，其特征在于，该噪声离散点图像制备方法的过程是：获取局部投影的二维离散点数据，得到局部离散点图；设定噪声参数，包括背景亮度均值、背景亮度方差、离散点亮度均值、离散点亮度方差、弥散效应两方向强度、伪离散点数量、伪离散点亮度、伪离散点尺寸：所述背景亮度均值为人为输入20以内的数或以0
‑
20之间的随机函数输入，优选背景亮度均值为10
‑
20；所述背景亮度方差为人为输入1
‑
5之间的数或以1
‑
5之间的随机函数输入，在背景亮度均值取范围内的较大值时，背景亮度方差相应的取范围内的较小值；所述离散点亮度均值为人为设定值在100
‑
255之间的数或以100
‑
255之间的随机函数形式输入；所述离散点亮度方差围绕离散点亮度均值发生亮度变化，大于背景亮度方差；所述弥散效应两方向强度包括弥散强度x和弥散强度y，弥散强度x和弥散强度y均为3
‑
5之间，xy之间具有差值时能够形成表征线性变化的噪声；所述伪离散点数量为人为输入3
‑
5之间的数或以3
‑
5之间的随机函数输入；所述伪离散点亮度大于离散点亮度均值，伪离散点尺寸设置为3*3
‑
5*5之间；以输入的背景亮度均值和离散点亮度均值分别作为背景亮度噪声和离散点亮度噪声引入局部离散点图中；以输入的背景亮度均值和背景亮度方差作为指定均值和强度形成的高斯白噪声作为背景高斯白噪声引入局部离散点图中；根据该式子模拟离散点由于成像期间运动带来的线性变化及模糊效应而引起的噪声，将其引入局部离散点图中；其中A为符合输入要求的离散点亮度均值、离散点亮度方差参数高斯分布随机生成的Q(x
q
’
,y
q
’
)离散点亮度，σ
x
’
和σ
y
’
为离散点Q在x
’
轴和y
’
轴方向的弥散效应强度，x
’
，y
’
为局部离散点图中的位置，f(x
’
,y
’
)表示任意位置的亮度值；以输入的伪离散点亮度为均值，以离散点亮度方差为方差生成高斯函数，伪离散点位置依据设置的伪离散点尺寸在整个局部离散点图中完全随机确定，将随机确定的伪离散点坐标值带入高斯函数获得相应位置的伪离散点亮度值，进而确定含点图像，该含点图像作为成像高亮噪点和伪离散点的噪声输入局部离散点图中；至此获得了在局部离散点图中引入了背景亮度噪声、图像噪声和离散点亮度噪声的含噪声局部离散点图；所述图像噪声包括成像高亮噪点和伪离散点的噪声、离散点由于成像期间运动带来的线性变化及模糊效应而引起的噪声、背景高斯白噪声。2.一种质心提取方法，其特征在于，质心提取方法利用权利要求1所述的基于局部投影的含噪声离散点图像制备方法获得的含噪声局部离散点图为基准进行质心提取，设定去噪系数，包括阈值窗口尺寸、标准差倍值和均值中值比阈值；所述阈值窗口尺寸为整个含噪声局部离散点图尺...

【专利技术属性】
技术研发人员：郜天，伊国胜，
申请(专利权)人：天津大学，
类型：发明
国别省市：