基于梯度分割的磁光记录薄膜磁畴图像特征提取

《基于梯度分割的磁光记录薄膜磁畴图像特征提取》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于梯度分割的磁光记录薄膜磁畴图像特征提取

2、第1...LIHai-hua1,HEHua-hui1,ZHUQuan-qing21.DepartmentofElectronicScienceandTechnology,HuazhongUniversityofScienceandTechnology,artin[2]使用磁力显微镜观察TbFe薄膜上的静态磁畴，Greidanus[3]使用Lorentz电子显微镜观测热磁写入的GdTbFe薄膜磁畴。随着磁光记录密度的增高，从磁光记录薄膜磁畴图像中提取信息变得越来越困难，原因是观测系统误差和其它噪

3、声。同时还需要对磁畴特性参数进行量化，进行深入分析。采用传统方法很难实现。因此，本文提出了一种有效的方法来解决这个问题。　　图像分割广泛应用于各个领域，如医学图像分析、航空图像分析等等。Porter等[4]提出了一种新算法，自动从图像中选择最优区域，提取特征。Pires等[5]采用一种算法提取高分辨率航空图像中的道路和建筑边沿。Henstock等[6]引入了一种算法，自动选取梯度阈值，分割图像边沿。相反，有关磁学应用中的图像分割报道很少。本文提出一种基于梯度分割的方法，对磁光记录薄膜的低对比度磁畴图像进行特征提取。该方法的原理如图1所示

4、。500)this.style.ouseg(this)">2磁畴图像观测系统与观测结果　　目前商用磁光记录盘通常采用多层膜结构。为了观测多层膜的磁畴，我们采用反射光线的Kerr效应进行观测，而不是基于透射光的法拉第效应。由此，采用极性显微镜构造一个反射法磁畴观测系统[7]。该系统由五部分组成：（1）光学读、写和擦除通道；（2）Kerr信号检测电路；（3）控制电路；（4）成像元件，包括极性显微镜、照相机和图像数码器件；（5）计算机。观测系统的结构如图2所示。该系统的放大倍数为1000，像素尺寸为0.05500)this.style.ous

5、eg(this)">m。图3为观测得到的一RE-TM非晶薄膜磁畴图像。由图可知，磁畴和背景间的对比度非常小。这种现象的原因主要有：其一，光线的非均匀和薄膜上微缺陷导致的噪声；其二，磁层极性Kerr旋转较小。采用传统方法很难准确提取出磁畴图像。图4为采用Sodel算子后得到的图像。500)this.style.ouseg(this)">500)this.style.ouseg(this)">500)this.style.ouseg(this)">500)this.style.ouseg(this)">3分析3.1预滤波　　在磁畴图像形成过

6、程中，原始图像会受到一些噪声的影响，如不均匀光线、光学元器件上的微小尘埃、光强散射等。必须采取有效方法消除噪声，提高信号噪声比。这里采用Lee式滤波器[8,9]。通过对数运算，将加法噪声转换成乘法噪声。根据最小均方定理，Lee式滤波器的表达式为：　　500)this.style.ouseg(this)">其中500)this.style.ouseg(this)">、500)this.style.ouseg(this)">分别为像素点在处理前和处理后的灰度值，M是窗口中像素的平均灰度值，K是加权系数，500)this.style.ouse

7、g(this)">，500)this.style.ouseg(this)">，500)this.style.ouseg(this)">是滤波器窗口中像素的标准偏差，500)this.style.ouseg(this)">是整个图像中像素的标准偏差。图5为经过Lee式滤波后的图像。从图中可看出，该方法显著改善了原始图像的信噪比。3.2梯度特征分割　　进一步对图像进行特征提取[10-12]。首先，采用下式计算一个像素的平均梯度值：　　500)this.style.ouseg(this)">分别为水平方向、45°方向、90°方向、135°方向

8、的一维梯度值。然后计算梯度的特性参数，如平均值500)this.style.ouseg(this)">、二阶均方值GM等。　　500)this.style.ouseg(this)">其中500)this.style.ouseg(this)">、500)this.style.ouseg(this)">分别为图像的行列数。　　梯度分布具有单一峰值特性。所以可以采用不同角度的自由500)this.style.ouseg(this)">分布函数来仿真目标和背景的灰度直方图。假设目标区域和背景区域的灰度分布分别为500)this.style.ou

9、seg(this)">、500)this.style.ouseg(this)">，那么梯度的整体分布函数为：　　500)this.style.ouseg(this)">其中M1、M2为目标区域和背景区域的先