基于联合显著性的红外目标分割方法

摘要

本发明公开了一种基于联合显著性的红外目标分割方法，用于解决现有基于显著性模型的可见光图像目标分割方法适应性差的技术问题。技术方案是首先将原始图像分成均匀同质的小像素块；然后根据红外图像色彩缺乏、且目标亮于背景的特点，利用像素块之间的灰度对比度和空间对比度建立像素块的全局区域对比度；进而，根据红外目标的边缘对噪声具有鲁棒性的特点，利用梯度信息建立像素块的边缘对比度显著性；接着利用这两种显著性的线性组合得到整幅图像的联合显著性映射；最后通过设定阈值进行二值化得到候选目标区域并且通过相似性滤波进一步去除误分割区域得到最终结果。测试显示，目标分割的准确率超过了90%，召回率接近80%，F-测量超过90%。

主权项

1.一种基于联合显著性的红外目标分割方法，其特征在于包括以下步骤：步骤一、输入一幅红外图像，使用Mean-Shift聚类方法将原始图像分割成均匀同质的N个像素块；步骤二、对每一个像素块r_i(i=1,2,...,N)，图像中任一个像素块r_k的区域对比度显著性计算如下：统计得到整幅图像的平均灰度值和每一个像素块r_i的灰度直方图，在灰度直方图结果中，用来表示像素块r_i的第p种灰度的出现频率；统计每一个像素块r_i的面积大小w_s(r_i)，平均灰度值g_i和质心坐标；计算像素块r_k和图像中任一像素块r_i(i=1,2,...,k-1,k+1,...,N)的色彩对比度C(r_k,r_i)：$C(r_k,r_i)=\underset{p=1}{\overset{n_k}{\Sigma }}\underset{q=1}{\overset{n_i}{\Sigma }}{f}_k^{c_p}{f}_i^{c_q}{D}_c(c_p,c_q)---\left(1\right)$其中，n_k,n_i分别表示像素块r_k和r_i内部的灰度种类数，c_p,c_q分别表示像素块r_k和r_i内部的第p和第q种灰度，D_c(c_p,c_q)表示两种灰度c_p,c_q之间差的绝对值；计算像素块r_k和图像中任一像素块r_i(i=1,2...,k-1,k+1,...,N)的空间对比度S(r_k,r_i)：S(_rk,r_i)＝exp(-D_s(r_k,r_i)/σ_s) （2）其中，D_s(r_k,r_i)表示两个像素块r_k和r_i质心之间的欧式距离，σ_s控制质心距离对空间对比度的影响；计算像素块r_k和图像中任一像素块r_i(i=1,2,...,k-1,k+1,...,N)的区域对比度R_c(r_k,r_i)：R_c(r_k,r_i)＝w_s(r_i)S(r_k,r_i)C(r_k,r_i)（3）计算像素块r_k的全局区域对比度，即就是r_k的区域对比度显著性R_k：$R_k=\left\{\begin{array}{cc}\underset{r_k\ne r_i}{\Sigma }{R}_c(r_k,r_i),& g_k\ge \bar{g}\\ 0,& g_k<\bar{g}\end{array}\right.---\left(4\right)$步骤三、对于每一个像素块r_k，使用Sobel边缘检测算子，得到像素块r_k边界上每一个像素P_i(i=1,2,...,M)的梯度绝对值|G_i|，M为r_k边界上的像素总个数，边界上的边缘像素点集合为像素块r_k的总梯度Sum初始化为Sum=0，设与像素块r_k在边界像素点P_i(i=1,2,...,M)处相邻的像素块为r_l，R_k和R_l分别为像素块r_k和r_l的区域对比度显著性；依次对每一个边界像素点P_i作如下处理:如果如果R_k＞R_l，则Sum=Sum+|G_i|否则Sum=Sum-|G_i|否则，Sum=Sum+|G_i|计算像素块r_k的平均梯度${\bar{G}}_k=\frac{1}{M}·\mathrm{Sum}---\left(5\right)$获得像素块r_k的边缘对比度显著性E_k:$E_k=\exp ({\bar{G}}_k/{\sigma }_e)---\left(6\right)$其中,σ_e是控制平均梯度对边缘对比度显著性的影响值；步骤四、计算每一个像素块r_k的联合显著性U_k:U_k＝αR_k+(1-α)E_k （7）其中,R_k和E_k分别为像素块r_k的区域对比度显著性和边缘对比度显著性；将每一个像素块r_k的联合显著性U_k赋值给r_k内的每一个像素；步骤五、选择固定阈值T，对联合显著性映射图I(x,y)进行二值化处理：$f(x,y)=\left\{\begin{array}{cc}1,& I(x,y)\ge T_1\\ 0,& I(x,y)<T_1\end{array}\right.---\left(8\right)$得到候选目标区域；f(x,y)中，像素为1的区域为目标区域，0为背景区域；步骤六、对于候选目标区域进行相似滤波处理，去除候选目标区域中的非目标部分；对二值化结果中为1的区域进行8邻域的连通域标记；对于每一个连通域C_k，以其质心为中心重新建立一个面积为原来区域外接矩形4倍的矩形区域A_k，g₁为C_k在原图中的平均灰度，g₂为A_k在原图中的平均灰度，设定阈值T₂=58：如果g₁-g₂>T₂,则C_k为目标区域，保留；否则C_k背景区域，去除。