基于均值漂移的灰关联红外成像目标分割方法

摘要

本发明公开了一种基于均值漂移的灰关联红外成像目标分割方法，主要解决现有同类方法过分割现象严重，分割精度低的问题。其实现步骤是：(1)对原始图像进行均值漂移滤波；并依据当前像素点与邻域点的相似性来判断是否计算均值漂移收敛值；(2)合并相同类别的像素并标记，得到初分割图像；(3)从初分割图像的区域中分别选取背景参考值和目标参考值；(4)计算各区域与参考值之间的灰关联系数；(5)利用灰关联系数曲线的拐点寻找阈值，通过融合三个单一阈值，实现对图像的动态划分。本发明具有运算速度快、分割精度高、稳定性好以及自适应性强的优点，可用于红外精确制导、目标探测及火控、光学遥感和夜间导航等军用或民用系统中。

主权项

1.一种基于均值漂移的灰关联红外成像目标分割方法，包括：（1）均值漂移初分割步骤：（1a）依据Silverman法则，求取原始图像I的全局最优带宽h；生成一个与原始图像同样大小的矩阵I′，作为均值漂移滤波输出图，I′中元素初始值设为零；（1b）将得到的带宽h代入均值漂移计算式，通过迭代计算均值漂移向量求取像素点的局部收敛值，并将该收敛值赋给滤波输出图I′中对应的像素点；（1c）对原始图像I中的像素点进行相似性判断，若原始图像当前像素点与其邻域点灰度值接近，且这些邻域点已经计算过收敛值，则将当前点的收敛值设为其邻域点收敛值的均值；反之，则将该像素点作为新的搜索起始点，返回步骤（1b）；（1d）对滤波图像I′中的像素点进行遍历，对于空间相邻，且灰度值距离小于h/2的像素合并为一类，并求取每一类的像素灰度值总和P_sum、总像素个数P_num、总类别数N，以及标记每个像素的类别；（1e）对相同类别的像素灰度值取平均，得到各区域内灰度均匀一致的初步分割图像I_ms，各区域的像素灰度值按标记顺序排列成一维向量M_v；（2）灰关联融合步骤（2a）以一维向量M_V作为比较序列；（2b）求取初分割图像I_ms的灰度均值V_mean和灰度最大值V_max；从灰度值小于V_mean的区域中选出面积最大的区域块，以该面积最大区域块的灰度值作为背景参考值V_l；从灰度值大于的区域中选出面积最大的区域块，以该面积最大区域块的灰度值作为目标参考值V_h；（2c）分别计算比较序列M_v中的各因素与背景参考值V_l和目标参考值V_h之间的邓氏灰关联系数，得到背景灰关联系数曲线R_l和目标灰关联系数曲线R_h；（2d）分别对背景灰关联系数曲线R_l和目标灰关联系数曲线R_h进行升序排列，得到背景升序序列S_l和目标升序序列S_h；（2e）分别计算背景升序序列S_l和目标升序序列S_h各点的斜率，寻找斜率最小时对应的背景灰关联系数曲线拐点值r_l和目标灰关联系数拐点值r_h，以背景拐点值r_l为阈值分割原始背景灰关联系数曲线R_l，从大于零的部分选取背景模板阈值T_l；以目标拐点值r_h为阈值分割原始目标灰关联系数曲线R_h，从大于零的部分选取目标模板阈值T_h；目标灰关联系数曲线与背景灰关联系数曲线点对点相减，从差值大于零的部分选取联合模板阈值T_m；（2f）根据上述阈值T_l，T_m，T_h，对初步分割图像I_ms进行划分，得到指示矩阵D＝{D(i,j)|i＝1,2,…,H;j＝1,2,…,W}：式中，I_ms(i,j)为初步分割图像I_ms的当前像素点灰度值，D(i,j)为指示矩阵D的当前像素值，k为权值系数且k∈[0,1]，H,W分别代表图像的长和宽；（2g）将原始图像I与动态模板图D相减，保留原始图像I中灰度值差值大于或等于0的像素点，将灰度差值小于0的像素点的灰度值均设为0，从而得到最终分割结果I_s。