一种用于低对比度的目标点识别方法及系统技术方案

本发明专利技术公开了一种用于低对比度的目标点识别方法及系统，涉及图像处理技术领域。该方法包括：获取待识别图像的步骤；通过差分高斯滤波增强待识别图像的步骤；通过自适应阈值对增强后的待识别图像中的所有像素点进行处理，确定候选目标点的步骤；通过动态聚类方法对全部候选目标点进行聚类的步骤。本发明专利技术适用于低对比度的小尺度目标点识别，通过差分高斯滤波增强预设尺度范围内的目标点，使用自适应的阈值策略对目标点进行检测，然后对目标点进行聚类，能够快速地实现低对比度的小尺度目标点识别，识别准确率高，且实现过程简单方便，应用前景广阔。景广阔。景广阔。

【技术实现步骤摘要】
一种用于低对比度的目标点识别方法及系统


[0001]本专利技术涉及图像处理
，尤其涉及一种用于低对比度的目标点识别方法及系统。

技术介绍

[0002]图像处理技术在各个领域的应用越来越多，目前，可以使用图像处理技术实现图像检测、参数预测、图像识别等目的。
[0003]然而，对于目标物与背景之间的对比度较低的图像，目标物与背景难以区分，尤其是识别小尺度的点状目标，目前的识别方法效果较差，识别的准确率较低。

技术实现思路

[0004]本专利技术所要解决的技术问题是针对现有技术的不足，提供一种用于低对比度的目标点识别方法及系统。
[0005]本专利技术解决上述技术问题的技术方案如下：
[0006]一种用于低对比度的目标点识别方法，包括：
[0007]获取待识别图像的步骤；
[0008]通过差分高斯滤波增强所述待识别图像的步骤；
[0009]通过自适应阈值对增强后的所述待识别图像中的所有像素点进行处理，确定候选目标点的步骤；
[0010]通过动态聚类方法对全部所述候选目标点进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于低对比度的目标点识别方法，其特征在于，包括：获取待识别图像的步骤；通过差分高斯滤波增强所述待识别图像的步骤；通过自适应阈值对增强后的所述待识别图像中的所有像素点进行处理，确定候选目标点的步骤；通过动态聚类方法对全部所述候选目标点进行聚类的步骤。2.根据权利要求1所述的用于低对比度的目标点识别方法，其特征在于，根据以下公式增强所述待识别图像：F(x，y，z)＝G(I(x，y，z)，σ1)
‑
G(I(x，y，z)，σ2)其中，F(x，y，z)表示坐标为(x，y，z)的像素点的增强结果，G()表示三维高斯滤波，I(x，y，z)表示坐标为(x，y，z)的像素点的像素值，σ1和σ2表示根据目标点的尺度范围设置的标准差。3.根据权利要求1所述的用于低对比度的目标点识别方法，其特征在于，根据以下公式确定自适应阈值：Thres＝μ
volume
+k*σ
volume
其中，Thres为自适应阈值，μ
volume
是增强后的待识别图像的灰度均值，σ
volume
是增强后的待识别图像的标准差，k是用于调节检测敏感性的预设参数。4.根据权利要求1所述的用于低对比度的目标点识别方法，其特征在于，通过自适应阈值对增强后的所述待识别图像中的所有像素点进行处理，确定候选目标点的步骤，具体包括：将所述待识别图像中高于所述自适应阈值的像素点标记为前景，否则标记为背景；通过邻域的区域连接方法对候选目标点进行定位，得到初始轮廓。5.根据权利要求1至4中任一项所述的用于低对比度的目标点识别方法，其特征在于，通过动态聚类方法对全部所述候选目标点进行聚类的步骤，具体包括：根据目标点的信噪比特征对全部所述候选目标点进行排序，得到候选目标点序列；按照顺序依次将所述候选目标点序列中的每个候选目标点作为聚类中心；计算每个候选目标点与聚类中心的距离，将距离小于预设距离的候选目标点加入对应聚类中心的目标点簇中，并将已加入目标点簇的候选目标点从所述候选目标点序列中剔除，直到完成全部所述候选目标点的处理，得到至少一个目标点簇；分别对每个目标点簇的连接区域大小进行判断，去除大小不符合预设条件的目标点簇。6.一种用于低对比度的目...

【专利技术属性】
技术研发人员：柴象飞，郭娜，张路，刘鹏飞，
申请(专利权)人：慧影医疗科技北京股份有限公司，
类型：发明
国别省市：