[发明专利]一种双目立体红外显著目标检测方法及系统

说明书

本发明提出一种双目立体红外显著目标检测方法及系统，在现有的基于LARK显著检测的基础上，加入图像的局部特征构建局部区域协方差，同时引入图像区域的亮度信息以及空间信息，将局部显著检测扩充至全局显著检测，最终得到满意的显著图；同时为了实现能够便携式携带，本发明提出一种基于DSP+FPGA的硬件实时性处理系统，该处理系统实现了红外显著目标的提取，显著目标测距以及最终显著目标彩色化输出等功能，同时也能满足最终处理的实时性。

技术领域

本发明属于显著目标检测和目标识别技术领域，具体涉及一种双目立体红外显著目标检测方法及系统。

背景技术

视觉做为人感知和认识世界的途径之一，正逐渐的引起大家的关注。伴随的科技的发展，人类已经不能仅仅满足只依靠人眼来感受表面的社会，更希望视觉通过人眼观察到的事务来深层次的挖掘现实生活中的信息。后期随着计算机技术的发展，快速运算的能力正逐步改变人类的生活，运用计算机处理视觉图像也慢慢的发展起来，进而形成了一门新的领域—计算机视觉。计算机视觉的主要功能在于通过计算机感知二维图像空间并扩展到三维空间中，获得图像的二维乃至三维空间信息，取代人眼来更深层次的认识世界。处理计算机视觉所需要的知识覆盖各个学科，如统计学、心理学、信号与系统、深度挖掘等。美国作为科技强国对计算机视觉的研究起源于20世纪50年代。到了20 世纪60年代左右，美国麻省理工的Roberts教授将外界世界定义为“三维积木世界”。通过计算机提取出相机拍摄的二维世界的视觉图，通过后期的程序处理还原计算机视觉的三维信息，因此正式的将二维图像信息推广到三维处理，这表示这立体视觉技术的产生。

而对于显著目标检测而言，目的在于突出显示视觉中图像上的显著区域的目标或对象，如何提高显著性检测算法的性能是近些年来广泛关注的基本问题。显著性检测在计算机视觉领域和图像处理任务中有着广泛的应用，如图像/视频压缩和分割，内容感知和图像大小调整包括图像拼接等领域。显著信息的提取也被利用在高级的视觉领域，比如对象的检测，人脸的识别，大量的显著性检测算法被用来捕获不同的显著性线索。大多数传统的显着性模型主要使用中心环绕滤波器或图像统计来识别复杂的场景(局部复杂性/对比度)或在其外观(稀有/不可能)中罕见的显著区域。Shannon的自我信息方法，主要是利用了图像像素概率负对数，用来测控局部显著目标信息的不可能概率，进而用来作为一个自上而下的显著性模型。

发明内容

本发明提出一种双目立体红外显著目标检测方法及系统，在现有的基于LARK显著检测的基础上，加入图像的局部特征构建局部区域协方差，同时引入图像区域的亮度信息以及空间信息，将局部显著检测扩充至全局显著检测，最终得到满意的显著图。同时为了实现能够便携式携带，本发明提出一种基于DSP+FPGA的硬件实时性处理平台，该处理平台实现了红外显著目标的提取，显著目标测距以及最终显著目标彩色化输出等功能，同时也能满足最终处理的实时性。

为了解决上述技术问题，本发明提供一种双目立体红外显著目标检测方法，步骤如下：

步骤1，用同一组变换矩阵对双目摄像机采集的红外图像序列进行极线校正；

步骤2，使用局部特征协方差矩阵作为特征值进行显著性检测，计算方法如公式(1) 如式，

其中，S(r_k)为像素点k的显著值，D_S(r_k,r_i)是红外图像中不同的区域r_k与区域r_i之间的空间距离权值，σ_s为空间权值调节系数；b(r_k,r_i)为区域r_k和区域r_i的亮度关系，且Sum(r_k)为区域r_k像素亮度值总和，Sum(r_i)为区域r_i像素亮度值总和；为特征协方差矩阵与之间的相似度，且有，