基于联合显著性的红外目标分割方法技术

本发明专利技术公开了一种基于联合显著性的红外目标分割方法，用于解决现有基于显著性模型的可见光图像目标分割方法适应性差的技术问题。技术方案是首先将原始图像分成均匀同质的小像素块；然后根据红外图像色彩缺乏、且目标亮于背景的特点，利用像素块之间的灰度对比度和空间对比度建立像素块的全局区域对比度；进而，根据红外目标的边缘对噪声具有鲁棒性的特点，利用梯度信息建立像素块的边缘对比度显著性；接着利用这两种显著性的线性组合得到整幅图像的联合显著性映射；最后通过设定阈值进行二值化得到候选目标区域并且通过相似性滤波进一步去除误分割区域得到最终结果。测试显示，目标分割的准确率超过了90%，召回率接近80%，F-测量超过90%。

【技术实现步骤摘要】

【技术保护点】
一种基于联合显著性的红外目标分割方法，其特征在于包括以下步骤：步骤一、输入一幅红外图像，使用Mean?Shift聚类方法将原始图像分割成均匀同质的N个像素块；步骤二、对每一个像素块ri(i=1,2,...,N)，图像中任一个像素块rk的区域对比度显著性计算如下：统计得到整幅图像的平均灰度值和每一个像素块ri的灰度直方图，在灰度直方图结果中，用来表示像素块ri的第p种灰度的出现频率；统计每一个像素块ri的面积大小ws(ri)，平均灰度值gi和质心坐标；计算像素块rk和图像中任一像素块ri(i=1,2,...,k?1,k+1,...,N)的色彩对比度C(rk,ri)：C(rk,ri)=Σp=1nkΣq=1nifkcpficqDc(cp,cq)---(1)其中，nk,ni分别表示像素块rk和ri内部的灰度种类数，cp,cq分别表示像素块rk和ri内部的第p和第q种灰度，Dc(cp,cq)表示两种灰度cp,cq之间差的绝对值；计算像素块rk和图像中任一像素块ri(i=1,2...,k?1,k+1,...,N)的空间对比度S(rk,ri)：S(rk,ri)＝exp(?Ds(rk,ri)/σs)????????????（2）其中，Ds(rk,ri)表示两个像素块rk和ri质心之间的欧式距离，σs控制质心距离对空间对比度的影响；计算像素块rk和图像中任一像素块ri(i=1,2,...,k?1,k+1,...,N)的区域对比度Rc(rk,ri)：Rc(rk,ri)＝ws(ri)S(rk,ri)C(rk,ri)????????????????（3）计算像素块rk的全局区域对比度，即就是rk的区域对比度显著性Rk：Rk=Σrk≠riRc(rk,ri),gk≥g‾0,gk<g‾---(4)步骤三、对于每一个像素块rk，使用Sobel边缘检测算子，得到像素块rk边界上每一个像素Pi(i=1,2,...,M)的梯度绝对值|Gi|，M为rk边界上的像素总个数，边界上的边缘像素点集合为像素块rk的总梯度Sum初始化为Sum=0，设与像素块rk在边界像素点Pi(i=1,2,...,M) 处相邻的像素块为rl，Rk和Rl分别为像素块rk和rl的区域对比度显著性；依次对每一个边界像素点Pi作如下处理:如果如果Rk＞Rl，则Sum=Sum+|Gi|否则Sum=Sum?|Gi|否则，Sum=Sum+|Gi|计算像素块rk的平均梯度G‾k=1M·Sum---(5)获得像素块rk的边缘对比度显著性Ek:Ek=exp(G‾k/σe)---(6)其中,σe是控制平均梯度对边缘对比度显著性的影响值；步骤四、计算每一个像素块rk的联合显著性Uk:Uk＝αRk+(1?α)Ek????????????（7）其中,Rk和Ek分别为像素块rk的区域对比度显著性和边缘对比度显著性；将每一个像素块rk的联合显著性Uk赋值给rk内的每一个像素；步骤五、选择固定阈值T，对联合显著性映射图I(x,y)进行二值化处理：f(x,y)=1,I(x,y)≥T10,I(x,y)<T1---(8)得到候选目标区域；f(x,y)中，像素为1的区域为目标区域，0为背景区域；步骤六、对于候选目标区域进行相似滤波处理，去除候选目标区域中的非目标部分；对二值化结果中为1的区域进行8邻域的连通域标记；对于每一个连通域Ck，以其质心为中心重新建立一个面积为原来区域外接矩形4倍的矩形区域Ak，g1为Ck在原图中的平均灰度，g2为Ak在原图中的平均灰度，设定阈值T2=58：如果g1?g2>T2,则Ck为目标区域，保留；否则Ck背景区域，去除。FDA00003585797000011.jpg,FDA00003585797000012.jpg,FDA00003585797000015.jpg,FDA00003585797000021.jpg,FDA00003585797000022.jpg...

【技术特征摘要】

【专利技术属性】
技术研发人员：魏巍，张艳宁，张磊，孟庆洁，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：