自适应调整的红外船舶图像活动轮廓分割方法技术

本发明专利技术提供一种可提高分割精度和速度的自适应调整的红外船舶图像活动轮廓分割方法，定义了一个自适应平衡函数，能够根据图像自身特性自动调整各部分的权重，进而驱动曲线演化，保证了模型的精确计算和平稳演化；在权重函数中，加入了凸度函数的分析过程，自适应的确定平衡函数中的阈值，增加了分割模型的精度。

【技术实现步骤摘要】

本专利技术涉及一种红外成像
，尤其是一种可提高分割精度和速度的自适应调整的红外船舶图像活动轮廓分割方法。
技术介绍
现有基于活动轮廓模型进行图像分割的基本方法是利用图像的几何特性建立一个能量泛函，在变分法下求能量函数极小值，得到相应的Euler-Lagrange方程，然后，利用泛函分析和数值分析等领域的相关知识对于模型的合理性进行分析，最终提取出感兴趣的图像区域。目前出现的活动轮廓分割模型主要包括以下：测地活动轮廓模型利用图像自身的特性（梯度）在黎曼空间中寻找能够刻画其特性的测地线，从而对目标物体的分割，该模型不能够较好地分割边缘噪声严重以及内部区域出现遮挡的图像；C-V模型不需要利用图像的梯度信息，只要根据目标和背景区域的平均灰度值的差别即可完成分割，C-V模型演化速度慢，而且对异质图像的处理不是很理想。随着计算机处理、网络通信等现代技术装备的发展，海面船舶管理日趋智能化和自动化，研究港口航道管理和船舶控制问题具有巨大的军用和民用价值。在船舶航行及港口船舶监控中，红外成像系统的关键技术是目标的分割，分割精度的提高作为碰撞危险度评估，多目标决策，避碰最佳幅度等的前提。由于红外船舶图像的海域背景是由真实场景图像和成像干扰构成，且红外图像成像过程所反映的是热辐射差，对温度很敏感，加之周围环境对热辐射的散射和吸收，红外图像中边缘模糊、纹理细节几乎没有，其利用信息基本以灰度为主。因此现有基于活动轮廓模型进行图像分割的方法，均难以实现对红外船舶图像活动轮廓的高精度分割。
技术实现思路
本专利技术是为了解决现有技术所存在的上述技术问题，提供一种可提高分割精度和速度的自适应调整的红外船舶图像活动轮廓分割方法。本专利技术的技术解决方案是：一种自适应调整的红外船舶图像活动轮廓分割方法,其特征在于按照如下步骤进行:步骤1.建立能量泛函F形式如下：(1)其中，是关于船舶图像的自适应平衡函数；是图像梯度模值；Ω为船舶图像所在区域；g为船舶目标的梯度模值；和是两个常数，分别近似等于轮廓内部和轮廓外部的平均灰度值，其对应的表达式分别如下：（2）其中H为Heaviside函数；模型中自适应平衡函数的选取如下：（3）其中阈值T通过凸度分析的方法自动获取；进一步由Euler-Lagrange方程，可得到模型(1)的水平演化方程:（4）其中，为迭代步长；div为散度算子；步骤2：(.)初始化水平集函数；步骤3.对红外图像进行梯度模值的计算，利用式（3），计算权重函数；步骤4.利用式（2），分别计算；步骤5.利用有限差分法，根据式（4）更新水平集函数；步骤6.使用停止准则检查演化曲线是否稳定收敛，若稳定收敛，则停止迭代；否则，转入步骤3；所述停止准则是演化曲线趋近目标边界时，水平集函数值逐渐变小，当到达目标边界时，函数值达到最小值，停止演化。本专利技术是基于全局和局部信息自适应调整的图像分割活动轮廓方法，与现有技术相比，具有以下优点：第一，引入的自适应平衡函数，可根据曲线演化的当前状态自适应调整权重信息控制演化的总体演化趋势。而且，区域信息保证模型对于噪声和弱边缘图像的处理效果，梯度信息保证了模型对复杂背景区域的目标分割精度。第二，模型在演化过程中通过使用凸度函数的方法自动选取阈值，避免了人工选取而引起的分割错误问题：选取T过大，可能会发生边缘泄露现象，使边缘检测不够精确；反之，选取T过小，将会使模型对噪声过于敏感。通过对多种类型红外船舶图像分割的仿真实验表明，本专利技术具有分割精度高、速度快和对初始轮廓曲线位置及图像噪声具有鲁棒性的特点。附图说明图1为本专利技术实施例IR船舶测试图像。图2为本专利技术实施例图1测试图像的梯度模值统计图。图3为本专利技术实施例自适应权值函数的表示示意图。图4为本专利技术实施例模型进行IR船舶分割的曲线演化过程示意图。图5为本专利技术实施例模型进行夜间环境下弱边缘的IR船舶分割的结果图。图6为本专利技术实施例模型进行复杂环境下的IR船舶分割的结果图。图7为本专利技术实施例模型进行多个IR船舶分割的结果图。图8为本专利技术实施例模型与其它模型的性能比较示意图。具体实施方式自适应调整的红外船舶图像活动轮廓分割方法,按照如下步骤进行:步骤1.建立能量泛函F形式如下：(1)其中，是关于船舶图像的自适应平衡函数；是图像梯度模值；Ω为船舶图像所在区域；g为船舶目标的梯度模值；和是两个常数，分别近似等于轮廓内部和轮廓外部的平均灰度值，其对应的表达式分别如下：（2）其中H为Heaviside函数；模型中自适应平衡函数的选取如下：（3）其中阈值T通过凸度分析的方法自动获取；进一步由Euler-Lagrange方程，可得到模型(1)的水平演化方程:（4）其中，为迭代步长；div为散度算子；步骤2：(.)初始化水平集函数；步骤3.对红外图像进行梯度模值的计算，利用式（3），计算权重函数；步骤4.利用式（2），分别计算；步骤5.利用有限差分法，根据式（4）更新水平集函数；步骤6.使用停止准则检查演化曲线是否稳定收敛，若稳定收敛，则停止迭代；否则，转入步骤3；所述停止准则是演化曲线趋近目标边界时，水平集函数值逐渐变小，当到达目标边界时，函数值达到最小值，停止演化。本专利技术实施例IR船舶测试图像如图1所示。本专利技术实施例的图1测试图像的梯度模值统计图如图2所示。本专利技术实施例自适应权值函数的表示示意图如图3所示。本专利技术实施例模型进行IR船舶分割的曲线演化过程示意图如图4所示。本专利技术实施例模型进行夜间环境下弱边缘IR船舶分割的结果如图5所示。本专利技术实施例模型进行复杂环境下IR船舶分割的结果如图6所示。本专利技术实施例模型进行多个IR船舶分割的结果如图7所示。本专利技术实施例模型与其它模型的性能比较如图8所示，结果表示：本专利技术实施例可以很好地进行红外船舶图像的分割操作，证明了本方面分割精度高、速度快和对初始轮廓曲线位置及图像噪声具有鲁棒性等特点。本文档来自技高网...

【技术保护点】
一种自适应调整的红外船舶图像活动轮廓分割方法,其特征在于按照如下步骤进行:步骤1.建立能量泛函F形式如下：(1)其中，是关于船舶图像的自适应平衡函数；是图像梯度模值；Ω为船舶图像所在区域；g为船舶目标的梯度模值；和是两个常数，分别近似等于轮廓内部和轮廓外部的平均灰度值，其对应的表达式分别如下：（2）其中H为Heaviside函数；模型中自适应平衡函数的选取如下：（3）其中阈值T通过凸度分析的方法自动获取；进一步由Euler‑Lagrange方程，可得到模型(1)的水平演化方程:（4）其中，为迭代步长；div为散度算子；步骤2：（.）初始化水平集函数；步骤3.对红外图像进行梯度模值的计算，利用式（3），计算权重函数；步骤4.利用式（2），分别计算；步骤5.利用有限差分法，根据式（4）更新水平集函数；步骤6.使用停止准则检查演化曲线是否稳定收敛，若稳定收敛，则停止迭代；否则，转入步骤3；所述停止准则是演化曲线趋近目标边界时，水平集函数值逐渐变小，当到达目标边界时，函数值达到最小值，停止演化。

【技术特征摘要】
1.一种自适应调整的红外船舶图像活动轮廓分割方法,其特征在于按照如下步骤进
行:
步骤1.建立能量泛函F形式如下：
(1)
其中，是关于船舶图像的自适应平衡函数；是图像梯度模值；Ω为船舶图像所在
区域；g为船舶目标的梯度模值；和是两个常数，分别近似等于轮廓内部和轮廓外部的
平均灰度值，其对应的表达式分别如下：
（2）
其中H为Heaviside函数；模型中自适应平衡函数的选取如下：
（3）
其中阈值T通过凸度分析的方法自动获取；
进一步由Euler-Lagrange...

【专利技术属性】
技术研发人员：方玲玲，王相海，
申请(专利权)人：辽宁师范大学，
类型：发明
国别省市：辽宁;21