[发明专利]一种基于概率传播的红外行人显著性检测方法

权利要求书

1.一种基于概率传播的红外行人显著性检测方法，其特征在于：其具体方法步骤如下：

步骤一：图像预处理；首先，通过超像素分割将输入图像分割为灰度相近，保留边界的超像素，并计算各超像素的平均位置和平均颜色；

步骤二：基于MSER的局部稳定度；首先提取红外图像中的最大稳定极值区域；然后并在此基础上以各像素包含的MSER个数判定该像素的稳定性程度，并得到像素级局部稳定度；然后将像素级局部稳定度映射到超像素，并结合亮度滤波得到最终的局部稳定度；

步骤三：结合垂直边缘的亮度对比度；首先计算各超像素的亮度对比度，在此基础上加入权重作为补充，权重包含两部分内容：边缘权重和亮度权重；

步骤四：相互引导的显著性传播；在超像素的基础上以元胞自动机模型为基础构建了传播模型；元胞自动机包括三部分：元胞，邻域，更新规则；以各超像素作为元胞，并构建了两种邻域，层内邻域和层间邻域；利用各元胞当前状态和邻域元胞状态及更新规则判断各元胞在下一阶段的状态，通过不断更新达到显著性传播的目的；当元胞显著性值变化程度小于阈值时则停止循环，停止时各元胞的状态则作为其最后的显著值；

在步骤二中所述的像素级局部稳定度，该像素级局部稳定度的计算过程如下：首先要对各像素判断其包含稳定区域的情况，于是对每一个SR_i都构建一个和输入图像宽高一致的矩阵E_i，并对各像素p进行标记，属于区域SR_i的像素则标记为1，否则为0：

然后，通过加和可计算各像素包含的MSER的个数：SR_i为最大稳定极值区域；

F则描述了像素级的局部稳定度；K为最大稳定极值区域的个数；

在步骤二中所述的最终的局部稳定度，其计算的过程如下：首先将像素级局部稳定度映射到超像素，即将各超像素所包含像素的稳定度均值作为该超像素的稳定性值；然后结合亮度滤波则可得到最终的局部稳定度S_MLS，其计算公式为：

其中I_i为各超像素的亮度均值，I_μ则表示原图的灰度均值，由于红外图像中行人亮度高于背景，加入亮度滤波可以抑制图像中的大部分背景；SP_i表示第i个超像素块，|SP_i|则为其对应的面积；

在步骤三中所述的加入权重作为补充，其计算方法如下：首先计算权重：

其中表示亮度权重，以各超像素的亮度均值表示，即因为行人亮度往往高于背景，行人身体内部亮度往往高于其周围区域；则表示垂直边缘权重，其计算方法是首先对输入图像计算垂直方向的边缘梯度得到各像素的竖直梯度p^ve，以各超像素的边缘所包含的垂直梯度作为该超像素的垂直梯度权重，因为包含越多的垂直梯度，该超像素属于行人的可能性越大；垂直边缘权重被定义为：

其中E_i'表示第i个超像素的边缘像素种子；最后，以乘法的形式结合对比度与权重

S_VEC(i)＝w_i·Con(i)

S_VEC表示结合垂直边缘权重的亮度对比度；Con(i)表示各超像素的亮度对比度；

在步骤四中所述的更新规则，其更新的做法如下：由于层内邻域和层间邻域对元胞共同产生影响，因此需要构建影响矩阵来衡量两种邻域的影响强度，影响矩阵V＝{v₁,v₂,…,v_N}被定义为j∈[1,N]；当层内邻域与元胞具有较高的相似度即m_ij有较大值时，元胞应该与其层内邻域有较高的相似性，层内邻域也应该有较大的影响力；而层内邻域与元胞相似度较低时，元胞在下一时刻的显著性值应更依赖于层间邻域；于是，更新规则被定义为：

S^t表示第t次循环时得到的显著性结果，check^t则表示对应的显著性结果变化方差，每次循环都完成以上公式的更新，当check^t小于给定的阈值时，说明显著性结果已经到达了一个稳定的状态，则循环停止在check^t达到阈值的时刻T，循环停止时的显著性结果则作为最终的显著性结果：S_final＝S^T；N表示超像素的个数；M表示元胞之间相互影响的大小的相似性。