一种基于纹理显著性的微光图像目标检测方法

摘要

本发明涉及一种基于纹理显著性的微光图像目标检测方法。本方法首先提取图像粗糙度特征图，进行二值化特征处理，合并属于同一目标区域，分别计算全局显著性、局部显著性和位置显著性，以此计算纹理显著性获得纹理显著图，最后利用纹理显著图进行图像目标检测。其核心内容是利用微光图像目标纹理与背景差异较大的特点，通过纹理显著性进行目标检测。利用本发明方法探测微光图像目标，目标轮廓性好、击中率高。

主权项

一种基于纹理显著性的微光图像目标检测方法，其特征在于，包括以下步骤：步骤一：按如下方法提取图像粗糙度特征图：1.1计算图像中大小为4k×4k活动窗口中像素的平均灰度值，$A_k(x,y)=\underset{i=x-2k}{\overset{x+2k-1}{\Sigma }}\underset{j=y-2k}{\overset{y+2k-1}{\Sigma }}f(i,j)/{\left(4k\right)}^2---\left(1\right)$式中，k＝1,2,…,L_max；L_max为k的最大值,；(i,j)为像数点坐标；f(i,j)是位于(i,j)的像素灰度值；当k＝0时，取窗口尺寸大小为3×3；(x,y)为各平均灰度图A_k的坐标；1.2对于每个像素,分别计算它在水平和垂直方向上窗口之间的平均灰度差,水平方向平均灰度差计算方法如式（2a）所示，垂直方向平均灰度差计算方法如式（2b）所示，E_k,h(x,y)＝|A_k'(x+ρ,y)‑A_k(x,y)|     (2a)E_k,v(x,y)＝|A_k'(x,y+ρ)‑A_k(x,y)|      (2b)式中，k'＝max(k‑L_b,0)，L_b为两个窗口偏差尺度，L_b＝L_max‑α且L_b≥1；参数α取值如下：α＝3,L_max≥5;α＝min(2,L_max‑1),L_max＜5；ρ为两个窗口偏心距，ρ＝2k'+1；1.3计算每一像素点的最佳尺寸，计算公式如式(3a)所示，S_best＝4k_max    (3a)E_k＝max(E_k,h,E_k,v)    (3b)E_max＝max(E_k),E_min＝min(E_k)   (3c)公式（3b）、（3c）为中间变量，式中，E_k表示每个尺寸k在水平和垂直方向平均灰度差值的最大值,E_max为像素点最大平均灰度差值,E_min为像素点最小平均灰度差值，k_max值按如下三种情形确定：(i)若k＝0，E₀＞t_M，取k_max＝0，其中t_M为E₀所有像素点局部非零极大值的均值，否则转入(ii)；(ii)若Numel(DE_k＜τ₀)＝L_max‑1且E_max＜t_m，则取k_max＝L_max，其中Numel表示对满足条件的k计数，DE_k＝|E_k‑E_k‑1|，参数参数为E_min的平均值，否则转入(iii)；(iii)k_max＝argmax(E_k)；1.4根据图像中每一像素点的最佳尺寸,计算该像素点的局部粗糙度，计算方法如式(4)所示,F_crs(x,y)＝S_best(x,y)   (4)；步骤二：对特征图F_crs进行二值化处理，并根据格式塔知觉组织规则‑接近律，对属于同一目标的两个区域进行合并；步骤三：依次使用公式(5a)、（5b）计算全局显著性GS_iA_i＝a_j,A_min＜a_j＜A_max     (5a)${\mathrm{GS}}_i=\frac{A_i}{\max \left(A_i\right)}---\left(5b\right)$式中，a_j为第j特征区域总像素数，A_i为重新标记后的区域，A_min是对a_j限定的最小值，A_max是对a_j限定的最大值；步骤四：计算局部显著性LS_i，计算公式如式(6)所示，${\mathrm{LS}}_i=\exp \left(\right|{\bar{I}}_i-\overline{I_{i\_\mathrm{surround}}}|/M)-1---\left(6\right)$为第i特征区域在粗糙度特征图中的灰度均值，M为特征图最大灰度值；为得到区域局部环境信息，将特征区域沿区域边界外延r宽度像素，是外延区域在粗糙度特征图中的灰度均值,r∈[5,7]；步骤五：计算位置显著性PS_i，计算公式如式（7）所示，${\mathrm{PS}}_i=\frac{1}{1+{({\left(\frac{y_{0i}-Y_0}{Y_0}\right)}^2+{\left(\frac{x_{0i}-X_0}{X_0}\right)}^2)}^{\eta /2}}---\left(7\right)$式中，(X_0,Y₀)为图像中心坐标，(x_i0,y_i0)第i特征区域中心坐标，η为调节参数；步骤六：计算纹理显著性大小，以获得显著图，计算纹理显著性大小的方法如式（8）所示，${\mathrm{TS}}_i=\frac{1}{3}({\mathrm{GS}}_i+{\mathrm{LS}}_i+{\mathrm{PS}}_i)---\left(8\right)$式中，GS_i,LS_i,PS_i均已归一化；步骤七：显著图中的各显著区域即为提取原目标的感兴趣区域，对各感兴趣区域进行注意焦点转移，注意焦点为各感兴趣区域的中心，注意焦点转移的先后次序为区域显著性大小TS_i的递减顺序；根据抑制返回机制，已经注意过的区域立即被抑制，TS_i值归零。