[发明专利]一种用于检测激光坏点的方法、装置、介质及设备

权利要求书

1.一种用于检测激光坏点的方法，其特征在于，所述方法包括：

获取发射激光器的发光点图像，确定所述发光点图像中的目标像素，根据所述目标像素获得待检测图像；

创建高斯卷积核模型，基于所述高斯卷积模型对所述待检测图像进行卷积处理，获得特征图；

对所述特征图进行非极大值抑制处理，确定出多个参考局部极大值；

对所述多个参考局部极大值进行筛选，获得目标极大值；所述目标极大值对应的像素点为坏点。

2.如权利要求1所述的方法，其特征在于，所述确定所述发光点图像中的目标像素，包括：

基于所述发光点图像确定图像背景阈值；所述图像背景阈值为所述发光点图像中所有像素点灰度值的均值；

将灰度值大于所述图像背景阈值的像素点作为目标像素。

3.如权利要求1所述的方法，其特征在于，所述创建高斯卷积核模型，包括：

确定所述高斯卷积核模型的模糊半径；

基于所述模糊半径确定初始像素矩阵；

利用公式确定所述初始像素矩阵中每个像素点对应的权重值；

将各所述权重值填充至所述初始像素矩阵中的对应位置，形成所述高斯卷积核模型；其中，

所述x为所述初始像素矩阵中各像素点的坐标，所述y为各像素点对应的权重值，μ为高斯卷积核的均值，所述σ为所述高斯卷积核的标准差。

4.如权利要求3所述的方法，其特征在于，所述创建高斯卷积核模型后，所述方法还包括：

获取所述特征图的平滑度，根据所述平滑度对所述高斯卷积核模型的模糊半径进行调整。

5.如权利要求1所述的方法，其特征在于，所述对所述特征图进行非极大值抑制处理，确定出多个参考局部极大值，包括：

以预设的第一局部窗口对所述特征图进行遍历，将每个第一局部窗口中各像素点的最大灰度值作为初始局部极大值；

以各所述初始局部极大值为中心，基于预设的第二局部窗口确定出对应的目标检测图像；

将所述目标检测图像中各像素点的最大灰度值作为所述参考局部极大值。

6.如权利要求1所述的方法，其特征在于，所述对所述多个参考局部极大值进行筛选，获得目标极大值，包括：

获取每个参考局部极大值对应的像素点的灰度值；

确定每个参考局部极大值对应的像素点灰度值的灰度均值；

基于所述灰度均值确定灰度值阈值；

将像素点灰度值小于所述灰度值阈值的参考局部极大值确定为所述目标极大值。

7.一种用于检测激光坏点的装置，其特征在于，所述装置包括：

确定单元，用于获取发射激光器的发光点图像，确定所述发光点图像中的目标像素，根据所述目标像素获得待检测图像；

创建单元，用于创建高斯卷积核模型，基于所述高斯卷积模型对所述待检测图像进行卷积处理，获得特征图；

抑制单元，用于对所述特征图进行非极大值抑制处理，确定出多个参考局部极大值；

筛选单元，用于对所述多个参考局部极大值进行筛选，获得目标极大值；所述目标极大值对应的像素点为坏点。

8.如权利要求7所述的装置，其特征在于，所述确定单元具体用于：

基于所述发光点图像确定图像背景阈值；所述图像背景阈值为所述发光点图像中所有像素点灰度值的均值；

将灰度值大于所述图像背景阈值的像素点作为目标像素。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-6任一项所述方法的步骤。

10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1-6任一项所述方法的步骤。