一种弱能量目标轮廓检测方法与流程
本发明涉及计算机视觉,特别涉及一种弱能量目标轮廓检测方法。
背景技术:
1、随着星载光学传感器、地基望远镜等空间观测设备分辨率的持续提升,对深空环境中天体类点源与小面元目标进行精细化轮廓检测的需求日益迫切。由于天体目标通常仅占据图像中极少数像素且能量呈中心聚集、外围缓慢扩散的物理分布形态,此类检测问题本质上属于强噪声、弱信号条件下的极小目标分割问题,对算法的辐射建模能力与抗噪鲁棒性提出了极高要求。
2、现有主流方法在实际应用中暴露出多方面的显著缺陷。第一,传统固定阈值或基于全局统计的otsu类自适应阈值方法,难以应对深空背景中非均匀且动态变化的背景能量分布,分割结果往往受背景直方图扭曲影响而导致目标漏检或过分割。第二,基于梯度算子的边缘检测方法对噪声极度敏感,在目标边界对比度极低且伴有光晕过渡区的情况下,极易产生大量伪边缘或轮廓断裂,无法形成闭合且连续的目标边界。第三,在获得初始分割结果后,现有技术通常仅依赖形态学操作或简单连通域面积筛选进行后处理,缺乏从辐射物理特性出发的几何与辐射双重校正机制。这些技术缺陷严重制约了后续天体测量与识别任务的精度与可靠性。
3、针对上述问题,亟需提出一种弱能量目标轮廓检测方法,提高对弱能量目标在复杂背景下的检测能力。
技术实现思路
1、本发明实施例提供了一种弱能量目标轮廓检测方法,以解决弱能量目标在复杂背景下轮廓检测困难的技术问题。
2、本发明实施例提供了一种弱能量目标轮廓检测方法,包括:
3、对待处理图像使用基于预先设定的能量特性的自适应阈值分割机制,得到最优能量阈值;
4、根据最优能量阈值将过滤图像处理为包含目标与背景两类的二值图像,以作为第一图像;
5、对第一图像通过光滑度正则化对轮廓进行几何约束,降低噪声导致的边界抖动或锯齿化,得到第二图像;
6、对第二图像引入物理量级约束,进行辐射照度修正,得到第三图像;
7、对所述第三图像进行基于背景特异性辐射信息,动态调整分割阈值,选择性执行二次分割,以得到优化后的目标轮廓。
8、本发明实施例的技术方案通过获取待检测天体的目标粗定位区域图像,对所述图像进行基于辐射能量特性的非线性映射,抑制极端辐射值并增强亮度层次,得到过滤图像,对所述过滤图像执行自适应能量阈值分割,生成包含目标与背景两类的二值图像,对所述二值图像,基于背景特异性辐射信息动态调整分割阈值,选择性执行二次分割,最终输出经二次分割与辐射修正后的优化目标轮廓。本发明通过多阶段辐射驱动的分割与优化策略,显著提升了弱目标轮廓检测在复杂背景下的准确性。
1.一种弱能量目标轮廓检测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,还包括:
3.根据权利要求2所述的方法,其特征在于,将各个像素的辐射值进行线性归一化映射具体通过如下公式实现:
4.根据权利要求1所述的方法,其特征在于,对待处理图像使用基于预先设定的能量特性的自适应阈值分割机制,得到最优能量阈值包括:
5.根据权利要求4所述的方法,其特征在于,根据最优能量阈值将待处理图像处理为包含目标与背景两类的二值图像,以作为第一图像包括:
6.根据权利要求1所述的方法,其特征在于,对第一图像通过光滑度正则化对轮廓进行几何约束,降低噪声导致的边界抖动或锯齿化,得到第二图像包括:
7.根据权利要求1所述的方法,其特征在于,对第二图像引入物理量级约束,进行辐射照度修正,得到第三图像包括:
8.根据权利要求7所述的方法,其特征在于,理论目标尺寸区间通过如下方式确定:
9.根据权利要求1所述的方法,其特征在于,对所述第三图像进行基于背景特异性辐射信息,动态调整分割阈值,选择性执行二次分割,以得到优化后的目标轮廓包括:
10.根据权利要求9所述的方法,其特征在于,轮廓能量置信度函数通过如下公式表示:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com