基于灰度稳定性的提高抗干扰性能的目标显著性检测方法技术

本发明专利技术提出一种基于灰度稳定性的提高抗干扰性能的目标显著性检测方法，属于可见光图像目标检测技术领域，解决目标的检测过程中存在的背景复杂、目标相对较小导致的目标检测不精准的问题，克服目标的背景干扰中的包括野外场景中地面碎石、车辙、斑块等近细小杂波类干扰，本发明专利技术的方法对灰度图像进行等间隔阈值分割，通过设定不同的判定阈值，得到多个MSER区域；对每个MSER区域的像素数量和纵横比进行筛选，将筛选后的MSER区域进行叠加，形成MSER显著性图；本发明专利技术利用目标区域在不同判断阈值的灰度稳定性，将目标和背景进行显著性区分，在抑制背景干扰的前提下获得较为完整的目标区域轮廓，达到了较为精准的显著性检测效果。达到了较为精准的显著性检测效果。达到了较为精准的显著性检测效果。

Target saliency detection method based on gray stability to improve anti-interference performance

【技术实现步骤摘要】
基于灰度稳定性的提高抗干扰性能的目标显著性检测方法


[0001]本专利技术属于可见光图像目标检测
，涉及一种目标显著性检测方法。

技术介绍

[0002]在末制导技术中，目标的检测识别技术作为非人在回路末制导目标初始化的关键技术，其直接影响了末制导的效果。
[0003]对于一般的目标，可以提供很多很全面的数据集(如Pascal VOC、COCO)以供神经网络的训练。
[0004]针对电视导引头检测野外军事车辆阵地需求，野外军事车辆目标的图像数据集很难获取，尤其是在末制导启控场景下导引头看到的军事车辆目标的数据集更加难以获得，其原因在于：由于军事车辆较为敏感，无法对目标的图像直接进行采集；通过高分辨率卫星成像，拍摄角度为正上方进行图像采集，而末制导启控场景中，电视导引头获取目标图像的角度并不是正上方，所以通过卫星采集的军事车辆图片并不能适用于末制导启控场景下的军事车辆目标检测。
[0005]由于卷积神经网络目标检测方法无法像人类一样通过少量的样本学习就能获得较强的目标检测效果，其只能通过大量且全面的样本训练才能得到较好本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于灰度稳定性的提高抗干扰性能的目标显著性检测方法，其特征在于，该方法包括下述步骤：步骤一、获取目标区域的彩色图像，对彩色图像进行灰度转换，得到灰度图像I
gray
；步骤二、获取与灰度稳定性相关的目标显著性图像，该步骤包括如下内容：S1、通过设定多个不同的判定阈值，得到多个最大稳定极值区域，具体内容为：其一：首先，对灰度图像I
gray
分别以A个等间隔的灰度等级数值为分割阈值进行A次阈值分割，得到A张二值图像，并得到2A组极值区域；然后，给定一个判断阈值n，得到对应一个判断阈值n对应的一组最大稳定极值区域；其二：与得到一组最大稳定极值区域的方法相同，再选择其余的多个判断阈值n，得到其余的多组最大稳定极值区域；其三：判断阈值n在[0.1,1]范围内选择；其四：判断阈值n共选择N个值，作为N个判定阈值，将灰度图像I
gray
在这N个判定阈值下，得到对应每一个判断阈值n的一组最大稳定极值区域；N大于等于4；即共有N组最大稳定极值区域；S2、根据每个最大稳定极值区域的像素数量和纵横比，对其进行筛选剔除；具体为：估算目标成像的两个参数范围，包括：像素数量范围和长宽比范围；将最大稳定极值区域的像素数量不在上述像素数量范围的最大稳定极值区域剔除，以及最大稳定极值区域的区域长宽比不在上述长宽比范围的最大稳定极值区域剔除；S3、将步骤S2后剩余的最大稳定极值区域进行加权叠加，并进行归一化，生成目标显著性图像，即与灰度稳定性相关的目标显著性图像；其中，较大的判定阈值n对应的最大稳定极值区域内的像素赋予的权值小于较小的判定阈值n对应最大稳定极值区域内的像素赋予的权值；最大稳定极值区域外的像素赋0。2.根据权利要求1所述的基于灰度稳定性的提高抗干扰性能的目标显著性检测方法，其特征在于，步骤S3具体为：根据不同的判定阈值n得到的对应最大稳定极值区域内的像素，赋予对应的权值pow1＝1/n，得到判定阈值n对应的各个图像；所有赋值后的图像进行叠加，并进行归一化生成目标显著性图像。3.根据权利要求1所述的基于灰度稳定性的提高抗干扰性能的目标显著性检测方法，其特征在于，S1具体步骤为：S11、...

【专利技术属性】
技术研发人员：李明，马宇腾，姜春兰，王在成，袁孜，毛亮，
申请(专利权)人：北方科技信息研究所，
类型：发明
国别省市：