[发明专利]一种基于概率传播的红外行人显著性检测方法

说明书

一种基于概率传播的红外行人显著性检测方法，其步骤如下：一：图像预处理；二：结合MSER提取和亮度滤波，得到基于MSER的局部稳定度；三：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，得到了结合垂直边缘的亮度对比度；四：构建了显著性传播模型，通过不断相互引导地更新达到显著性融合及优化的目的；通过以上步骤，针对红外行人图像能得到很好的显著性检测结果，行人被完整地突出，而背景几乎被完全抑制，在其他图像处理领域如目标分割、目标跟踪和目标检索等都有实际应用价值。

(一)技术领域

本发明涉及一种基于概率传播的红外行人显著性检测方法，属于计算机视觉和数字图像处理领域。在目标分割、目标识别等领域中有广阔的应用前景。

(二)背景技术

显著性检测重点集中于图像中重要且突出的区域，其这一特性使得显著性被广泛应用于目标分割、图像压缩和目标检测等视觉课题中。然而将显著性应用到红外行人图像中对现有的算法来说仍然是具有挑战性的，但同时这一研究也十分具有现实意义，因为红外行人检测在智能交通领域有着重要的应用。

以往的显著性模型主要研究显著目标的颜色、方向和纹理等底层特征而随着人们对图像理解的深入，一些先验原则被引入到了显著性模型中，最常用的则包括中心先验和背景先验。而在最近的研究中，基于概率传播的显著性模型吸引了越来越多的注意，并取得了较好的成果。马尔可夫链、流形排序和随机游走是最常用的传播模型，于是诞生了许多基于这些传播方法的显著模型。除此之外，一些新的传播模型也不断被提出，同是在显著性中有较好的应用。例如，Gong等人提出了一种learning-to-teach和teaching-to-learn的策略作为显著性传播方式，从简单易判断的点出发逐渐向复杂点逐步扩散。Li等人则提出了一种共同转化的方式对背景标签和似物性标签进行传播，不仅考虑邻域间的传播同时也考虑了非邻域部分间的传播。Qin等人构建了一种元胞自动机模型，以超像素作为元胞并以邻域元胞不断影响显著性传播，对基于背景先验的初始显著度有很好的优化作用。

尽管多种多样的显著性模型不断被提出，但这些模型大多是针对可见光图像的。然而由于红外图像对比度低、信噪比低、并缺少颜色信息等缺点，使得当把这些模型直接应用于红外图像时，往往会产生较差的结果。一些学者提出了一些用于红外图像的显著性检测算法，如Ko等人利用中央-周围机制计算通过计算亮度对比度得到了红外图像的亮度显著图。Zhang等人则结合区域对比度和边缘对比度提出了针对红外小目标的显著性。然而，现有的针对红外图像的显著性模型往往不能提出能体现显著目标特征的有效的特征，并且难以适用于较复杂的场景。

考虑到现有的显著性方法所存在的缺点以及显著性检测在红外行人图像中的应用价值，本算法的研究是十分有必要的。本发明结合红外图像和行人特性提出了两种显著性特征：基于MSER的局部稳定度和结合垂直边缘权重的对比度，并构建了结合层内邻域和层间邻域的相互引导的显著性传播模型，对这两种特征进行融合及优化，最终针对红外行人的到了较好的显著性结果。

(三)发明内容

(1)本发明的目的