[发明专利]基于结构相似度和显著性分析的红外运动目标检测方法

摘要

一种图像处理领域的基于结构相似度和显著性分析的红外运动目标检测方法，利用GBVS对源图像显著性分析，得到显著性区域；再将源图像通过改进的SSIM区分为变化剧烈区域和变化平缓区域，并采用不同学习率的方式优化高斯混合模型；最后利用优化后的高斯混合模型检测出封闭区域，该封闭区域与显著性区域的重叠区域即为当前帧的最终运动目标。本发明解决了混合高斯算法边缘模糊的问题，具有较好的自适应性和检测效果。

主权项

一种基于结构相似度和显著性分析的红外运动目标检测方法，其特征在于，首先利用GBVS对源图像显著性分析，得到显著性区域；再将源图像通过改进的SSIM区分为变化剧烈区域和变化平缓区域，并采用不同学习率的方式优化高斯混合模型；最后利用优化后的高斯混合模型检测出封闭区域，该封闭区域与显著性区域的重叠区域即为当前帧的最终运动目标；所述的变化剧烈区域和变化平缓区域，通过以下方式得到：1)利用改进的SSIM算法求取红外序列图像中相邻两帧图的局部子块的结构相似度；2)采用滑动窗口方式计算局部子块的结构相似度统计值At'(x,y)，并在此基础上生成基于红外序列图像的统计图Dt(x,y)；3)利用CDF方式计算统计图Dt(x,y)中图像局部变化情况，找到平滑后分布曲线曲率最大的点对应的累加数Aumax，将统计图Dt(x,y)中大于Aumax的点构成的区域区分为变化剧烈区域Atr，其余为变化平缓区域Atg；所述的局部子块的结构相似度，通过以下方式得到：i)将整幅图像通过7×7像素大小的滑动窗口按由上至下，由左至右顺序分成若干重叠子块，滑动窗口超出图像范围时则对图像进行镜像扩展获取7×7子块，若图像的尺寸为m×n时，则得到的子块数为m×n；ii)来自图像F和图像L中同一位置的子块Block(x,y)的结构相似度为：其中：(x,y)表示子块中心像素，uF，uL，σF，σL分别表示图像F和图像L的子块Block(x,y)的均值和方差；C1，C2分别为趋于0的正常量；所述的基于红外序列图像的统计图，采用滑动窗口方式计算局部子块的结构相似度统计值At'(x,y)，并在此基础上生成Dt(x,y)＝At'(x,y)‑At(x,y)，其中：Ones(x,y)为以(x,y)为中心7×7大小的1矩阵，当局部子块的结构相似度高于0.9时，认为其变化程度不大，At(x,y)不变，当子块的结构相似度小于0.9时，以(x,y)为中心7×7的矩阵的统计值均加1。