[发明专利]一种光斑定位时去除噪声的方法及系统

权利要求书

1.一种光斑定位时去除噪声的方法，其特征在于，包括步骤：

步骤A、以图像中目标物体所处的区域为目标区域，利用边框识别法将图像划分为目标区域和非目标区域；

步骤B、利用最大类间方差算法、最小类内方差算法及背景区域与光斑区域的之间面积比与预设数值的差最小原则相结合得到最佳分割阈值，使用所述最佳分割阈值将图像分割成背景区域和多个含有噪声的光斑区域；

步骤C、利用高斯分布原理对每个所述光斑区域中像素的坐标点做高斯拟合，得到每个光斑区域的中心点；

步骤D、将位置处于所述非目标区域内的中心点作为干扰点去除，并输入去除干扰点后的图像。

2.根据权利要求1所述光斑定位时去除噪声的方法，其特征在于，所述步骤B中所述利用最大类间方差算法、最小类内方差算法及非目标区域与目标区域的之间面积比与预设数值的差最小原则相结合得到最佳分割阈值的方法包括：

步骤B1、建立准则函数，根据所述准则函数计算出最佳分割阈值；

所述准则函数的公式为：

其中，为背景区域像素所占整个图像像素总和的概率值、为光斑区域像素所占整个图像像素总和的概率值、为光斑区域像素所占整个图像像素总和概率值的平均值、为背景区域像素所占整个图像像素总和概率值的平均值、为背景区域类内方差、为光斑区域类内方差、为与的比值，为预设常数值。

3.根据权利要求1所述光斑定位时去除噪声的方法，其特征在于，所述步骤B中计算最佳分割阈值之前还包括步骤：

步骤B0、利用小波变换算法对图像进行整体性去噪处理。

4.根据权利要求1所述光斑定位时去除噪声的方法，其特征在于，所述步骤D中利用预设的判断函数对中心点是否位于目标区域内进行判断；所述判断函数的定义为：当所述中心点位于目标区域内，则得到的函数值为1，若所述中心点不位于目标区域内，则得到的函数值为0。

5.根据权利要求4所述光斑定位时去除噪声的方法，其特征在于，所述步骤D中按照灰度值大小排列的顺序依次将中心点代入判断函数，对中心点是否为强噪声进行判断，若是，则将所述中心点所对应的光斑移除，不是则保留所述中心点所对应的光斑。

6.一种光斑定位时去除噪声的系统，其特征在于，包括：

第一区域划分模块，用于以图像中目标物体所处的区域为目标区域，利用边框识别法将图像划分为目标区域和非目标区域；

第二区域划分模块，用于利用最大类间方差算法、最小类内方差算法及背景区域与光斑区域的之间面积比与预设数值的差最小原则相结合得到最佳分割阈值，并使用所述最佳分割阈值将图像分割成背景区域和多个含有噪声的光斑区域；

光斑点拟合模块，用于利用高斯分布原理对每个所述光斑区域中像素的坐标点做高斯拟合，得到每个光斑区域的中心点；

干扰去除模块，用于将位置处于所述非目标区域内的中心点作为干扰点去除，并输入去除干扰点后的图像。

7.根据权利要求6所述的光斑定位时去除噪声的系统，其特征在于，所述第二区域划分模块包括：

函数计算模块，用于建立准则函数，根据所述准则函数计算出最佳分割阈值；

所述准则函数的公式为：

其中，为背景区域像素所占整个图像像素总和的概率值、为光斑区域像素所占整个图像像素总和的概率值、为光斑区域像素所占整个图像像素总和概率值的平均值、为背景区域像素所占整个图像像素总和概率值的平均值、为背景区域类内方差、为光斑区域类内方差、为与的比值，为预设常数值。

8.根据权利要求6所述的光斑定位时去除噪声的系统，其特征在于，所述第二区域划分模块还包括：

整体去噪单元，用于利用小波变换算法对图像进行整体性去噪处理。

9.根据权利要求6所述的光斑定位时去除噪声的系统，其特征在于，所述干扰去除模块中利用预设的判断函数对中心点是否位于目标区域内进行判断；所述判断函数的定义为：当所述中心点位于目标区域内，则得到的函数值为1，若所述中心点不位于目标区域内，则得到的函数值为0。

10.根据权利要求9所述的光斑定位时去除噪声的系统，其特征在于，所述干扰去除模块中按照灰度值大小排列的顺序依次将中心点代入判断函数，对中心点是否为强噪声进行判断，若是，则将所述中心点所对应的光斑移除，不是则保留所述中心点所对应的光斑。