【技术实现步骤摘要】
一种雾天图像显著目标检测方法
本专利技术涉及图像处理
，具体涉及一种雾天图像显著目标检测方法。
技术介绍
由于粉尘悬浮在空气中，对雾天环境下目标的可见度有很大的影响。因此，雾天图像的对比度一般较低，色彩淡漠，主要对象难以识别。显著目标检测有利于这一任务的完成，它是一个模拟人类视觉系统(HVS)注意机制的认知过程，具有惊人的能力从场景中快速判断出最具吸引力的图像区域，并在人脑中进行进一步处理。近年来，视觉显著目标检测在图像处理中的应用越来越受到重视。雾天图像的显著目标检测在野外行人跟踪、目标识别、目标分割、遥感、智能车辆、监控等领域发挥着关键作用。目前已提出了各种去雾技术，并取得了较好的效果。目前，雾天图像处理方法可分为图像增强方法和图像恢复方法。但是，这些算法的主要缺点是：(1)复杂度高，执行时间长，难以保证显著目标检测的实时性；(2)去雾过程中，同时增加了前景和背景的可视性，从而在一定程度上干扰了对显著目标的识别；(3)图像颜色失真导致无法准确提取目标的边缘、轮廓等视觉特征。另外，基于对比度特征的显著目标检测方法主要可以分为两类：频域方法和空域方法。通常，...
【技术保护点】
1.一种雾天图像显著目标检测方法，其特征在于，包括如下步骤：步骤一、在频率域对雾天图像进行颜色空间转换计算其显著性，求出频域显著图；步骤二、在空间域对雾天图像进行超像素分割并对每一个超像素块计算其显著性，求出空域显著图；步骤三、将图像在频域中的显著图与空域中的显著图通过离散平稳小波变换融合成一张显著图；步骤四、通过目标轮廓检测模型得到雾天图像的轮廓图；步骤五、将基于频域和空域融合后的显著图与轮廓图相加得到最终显著图。
【技术特征摘要】
1.一种雾天图像显著目标检测方法，其特征在于，包括如下步骤：步骤一、在频率域对雾天图像进行颜色空间转换计算其显著性，求出频域显著图；步骤二、在空间域对雾天图像进行超像素分割并对每一个超像素块计算其显著性，求出空域显著图；步骤三、将图像在频域中的显著图与空域中的显著图通过离散平稳小波变换融合成一张显著图；步骤四、通过目标轮廓检测模型得到雾天图像的轮廓图；步骤五、将基于频域和空域融合后的显著图与轮廓图相加得到最终显著图。2.根据权利要求1所述的雾天图像显著目标检测方法，其特征在于，所述步骤一具体包括如下：先将雾天图像转换至HSV颜色空间，再分别将H、S、V通道进行快速傅里叶变换转换为频率域：其中，M和N分别表示图像的宽度和高度，f(x,y)和F(u,v)分别表示空域和频域中的图像像素；A(u,v)和P(u,v)分别代表振幅谱和相位谱，它们通过以下公式计算：A(u,v)＝abs(F(u,v))(2)P(u,v)＝angle(F(u,v))(3)其中，abs(·)和angle(·)分别表示振幅谱函数和相位谱函数，相位谱函数中复数数组F(u,v)中的每个元素返回相位角的值(以弧度为单位)，这个角度值范围为[-π，+π]，振幅谱A(u,v)＝abs(F(u,v))表示频域中图像像素的绝对值；对于雾天图像，频域中的低振幅代表目标的线索，高振幅代表雾背景，因此抑制高振幅信息以突出显著目标区域，具体通过以下公式移除振幅谱的峰值来提取显著目标：A(u,v)＝medfilt2(A(u,v))(4)其中，medfilt2(·)表示中值滤波函数，它能有效消除A(u,v)中的峰值，每个输出像素包含输入图像中相应像素周围3×3邻域内的中值；然后，通过以下公式计算新的频域图：F(u,v)＝|A(u,v)|e-jP(u,v)(5)其中，|·|代表绝对值；再然后，通过以下步骤执行快速傅里叶逆变换，将频域图转换回空间域:HSV颜色空间中每个通道的显著图分别表示为Hmap、Smap和Vmap，所述Hmap、Smap和Vmap均通过公式(1)-(6)求得；最后计算Hmap、Smap和Vmap的和，得到频域显著图，表示为S1。3.根据权利要求2所述的雾天图像显著目标检测方法，其特征在于，所述步骤二具体包括如下：先通过简单线性迭代聚类算法将输入的雾天图像分割为超像素，表示为SP(i)，i＝1,···,Num，Num＝300；再将得到的H、S、V通道的Hmap、Smap和Vmap作为显著性特征；每个超像素块的局部-全局显著性通过以下公式获得：其中，dHmap(SP(i),SP(j))是Hmap中SP(i)和SP(j)的均值之差，E(SP(i),SP(j))表示SP(i)和SP(j)之间的平均欧氏距离；...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。