[发明专利]基于联合显著性的红外目标分割方法

权利要求书

1.一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r_i(i=1,2,...,N)，图像中任一个像素块r_k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r_i的灰度直方图，在灰度直方图结果中，用来表示像素块r_i的第p种灰度的出现频率；

统计每一个像素块r_i的面积大小w_s(r_i)，平均灰度值g_i和质心坐标；

计算像素块r_k和图像中任一像素块r_i(i=1,2,...,k-1,k+1,...,N)的色彩对比度C(r_k,r_i)：

C(rk,ri)=Σp=1nkΣq=1nifkcpficqDc(cp,cq)---(1)]]>

其中，n_k,n_i分别表示像素块r_k和r_i内部的灰度种类数，c_p,c_q分别表示像素块r_k和r_i内部的第p和第q种灰度，D_c(c_p,c_q)表示两种灰度c_p,c_q之间差的绝对值；

计算像素块r_k和图像中任一像素块r_i(i=1,2...,k-1,k+1,...,N)的空间对比度S(r_k,r_i)：

S(_rk,r_i)＝exp(-D_s(r_k,r_i)/σ_s)            （2）

其中，D_s(r_k,r_i)表示两个像素块r_k和r_i质心之间的欧式距离，σ_s控制质心距离对空间对比度的影响；

计算像素块r_k和图像中任一像素块r_i(i=1,2,...,k-1,k+1,...,N)的区域对比度R_c(r_k,r_i)：

R_c(r_k,r_i)＝w_s(r_i)S(r_k,r_i)C(r_k,r_i)                （3）

计算像素块r_k的全局区域对比度，即就是r_k的区域对比度显著性R_k：

Rk=Σrk≠riRc(rk,ri),gk≥g‾0,gk<g‾---(4)]]>

步骤三、对于每一个像素块r_k，使用Sobel边缘检测算子，得到像素块r_k边界上每一个像素P_i(i=1,2,...,M)的梯度绝对值|G_i|，M为r_k边界上的像素总个数，边界上的边缘像素点集合为

像素块r_k的总梯度Sum初始化为Sum=0，设与像素块r_k在边界像素点P_i(i=1,2,...,M)处相邻的像素块为r_l，R_k和R_l分别为像素块r_k和r_l的区域对比度显著性；依次对每一个边界像素点P_i作如下处理:

如果

如果R_k＞R_l，则Sum=Sum+|G_i|

否则Sum=Sum-|G_i|

否则，Sum=Sum+|G_i|

计算像素块r_k的平均梯度

G‾k=1M·Sum---(5)]]>

获得像素块r_k的边缘对比度显著性E_k:

Ek=exp(G‾k/σe)---(6)]]>

其中,σ_e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r_k的联合显著性U_k:

U_k＝αR_k+(1-α)E_k            （7）

其中,R_k和E_k分别为像素块r_k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r_k的联合显著性U_k赋值给r_k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C_k，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A_k，g₁为C_k在原图中的平均灰度，g₂为A_k在原图中的平均灰度，设定阈值T₂=58：

如果g₁-g₂>T₂,则C_k为目标区域，保留；

否则C_k背景区域，去除。