基于混合算法的红外图像显著性区域检测方法技术

本发明专利技术公开一种基于混合算法的红外图像显著性区域检测方法，首先，对原始红外图像进行局部稀疏表示，得到基于局部稀疏表示的初始显著图；其次，提出了融合二维最大熵/最小交叉熵和最大标准差的红外图像前景预测算法，对原始红外图像进行处理，得到突显目标并抑制背景的前景预测图；第三，将原始图像与前景预测图相减，得到原始红外图像的背景图；最后，将初始显著图减去背景图，得到最终的显著性区域检测结果。该结果与初始显著图相比，显著性区域的轮廓更加清晰，且非显著性区域被充分抑制。本发明专利技术通过混合局部稀疏表示理论、信息熵、及最大标准差，来实现红外图像的显著性区域检测，可以获得更加精确的结果。

An infrared image saliency region detection method based on hybrid algorithm

The invention discloses a hybrid algorithm method, infrared image saliency detection based on the first, the local sparse of the original infrared image representation, initial saliency map representation based on local sparse; secondly, put forward the prospect of infrared image fusion 2D maximum entropy / minimum cross entropy and the standard deviation of the prediction algorithm for processing the original infrared image, highlight target and suppress background prediction; third, the original image and forecast map subtraction, get the original infrared image background image; finally, the initial saliency map minus the background map, get the final detection results of salient region. Compared with the initial significant map, the contour of the significant region is clearer and the non significant region is fully suppressed. The invention realizes the saliency area detection of infrared images by mixing the local sparse representation theory, information entropy and the maximum standard deviation, and achieves more accurate results.

【技术实现步骤摘要】
基于混合算法的红外图像显著性区域检测方法
本专利技术涉及一种基于混合算法的红外图像显著性区域检测方法，属于图像处理

技术介绍
随着图像处理技术的快速发展，图像视觉显著性检测成为一个备受关注的课题。显著性检测广泛用于图像处理各个领域，比如图像分割、图像搜索、物体检测和识别等。而图像的显著性检测，就是让计算机快速地辨别出红外图像中含有有用信息、且人类视觉中最为关注的显著性区域。显著性的结果是能够获得完整，清晰且无背景干扰的突显显著性区域的显著图。目前，我国在该领域相关专利有：一种基于移动视觉焦点的图像视觉显著性检测方法(公开号：CN103810707A)，该方法首先运用基于图的分割算法将原始图像进行分割；然后对原始图像进行量化及高频颜色筛选；利用分割图像获得量化图像对应的分割区域并进行区域对比计算，以获得某一区域的显著值，从而获得初始显著图；利用显著性引力模型计算视觉焦点的移动距离及移动方向以获取下一个视觉焦点，直到当前焦点距离与上一焦点距离小于1为止；运用最终的视觉焦点对获得最终视觉焦点的前一次获得显著图加权而获得最终显著图。该检测方法虽然可以突出显著物体，并很好地抑制图像背本文档来自技高网...

【技术保护点】
一种基于混合算法的红外图像显著性区域检测方法，其特征在于，包括如下步骤：步骤一：对原始红外图像S进行局部稀疏表示，在进行局部稀疏表示的时候采用多尺度局部稀疏表示方法，得到初始显著图SM；步骤二：提出了融合二维最大熵/最小交叉熵和最大标准差的红外图像前景预测算法，对原始红外图像S进行处理，得到突显目标并抑制背景的前景预测图Sy；步骤三：将原始红外图像S与步骤二获得的前景预测图相减，得到原始红外图像的背景图Sb；步骤四：将步骤一得到的初始显著图SM减去步骤三得到的背景图Sb，得到最终的显著图SMap。

【技术特征摘要】
1.一种基于混合算法的红外图像显著性区域检测方法，其特征在于，包括如下步骤：步骤一：对原始红外图像S进行局部稀疏表示，在进行局部稀疏表示的时候采用多尺度局部稀疏表示方法，得到初始显著图SM；步骤二：提出了融合二维最大熵/最小交叉熵和最大标准差的红外图像前景预测算法，对原始红外图像S进行处理，得到突显目标并抑制背景的前景预测图Sy；步骤三：将原始红外图像S与步骤二获得的前景预测图相减，得到原始红外图像的背景图Sb；步骤四：将步骤一得到的初始显著图SM减去步骤三得到的背景图Sb，得到最终的显著图SMap。2.如权利要求1所述的基于混合算法的红外图像显著性区域检测方法，其特征在于，所述步骤一中，基于某个单一尺度进行局部稀疏表示，得到显著图的具体操作过程如下：步骤a：给定一个以元素x∈R2为中心的输入图像S，表示以x为中心并且包含n个元素的块，设定一个大小为的局部搜索框，局部搜索框以x为中心，k为局部搜索框中非中心元素的个数，为以搜索框中每个非中心元素作为中心元素的块，其中i＝1,2...k，因此，用非中心块来线性表示中心块的表达式如下：其中，是非中心元素块的矩阵，是线性组合的系数向量；步骤b：将步骤a中中心块的表达式表示为下述等式：其中为包含少量非零元素的系数向量，表示伪l0范数，通过正交匹配追踪来解包含少量非零元素的系数向量中心块经过稀疏表示后得到的线性组合如下：步骤c：图像显著性可通过重构图像与原来图像的残差来获得，用下式来简单的表示图像显著性：其中||·||2表示L2范数；步骤d：对整个图像进行局部稀疏表示，即将搜索框从上到下，从左到右搜索整个图像，并且在局部搜索框内对每个元素都进行稀疏表示，最后求步骤c中等式的残差得到整个图像的显著图。3.如权利要求2所述的基于混合算法的红外图像显著性区域检测方法，其特征在于，所述步骤一中，进一步采用“多尺度”局部稀疏表示思想，得到初始显著图的具体操作过程如...

【专利技术属性】
技术研发人员：王鑫，张春燕，陈哲，张振，吕国芳，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏,32