[發明專利]一種紅外圖像序列顯著性檢測方法

有效

• 申請號: 201710213028.7
• 申請日: 2017-04-01
• 公開（公告）號: CN106887002B
• 公開（公告）日: 2019-09-20
• 發明（設計）人: 寧晨;曾毓敏
• 申請（專利權）人: 南京師范大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/13;G06T7/215
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 柏尚春

本發明公開了一種紅外圖像序列顯著性檢測方法，首先，采用一種基于交互一致性引導的空間信息融合方法提取每幀紅外圖像的亮度和輪廓特征，并計算空域顯著性；其次，設計一種多幀對稱差分算法提取紅外序列的運動信息，并計算該幀圖像的時域顯著性；第三，設計一種自適應融合策略，將空域顯著性和時域顯著性相結合；第四，為了均勻突顯紅外圖像序列中的時?空顯著性區域，提出一種多尺度融合方法，嵌入到時?空顯著性模型里，得到多尺度時?空顯著性圖；最后，設計了一種基于Gestalt理論的優化算法，進一步提高顯著性檢測結果的可靠性；本發明通過深入挖掘紅外圖像序列的時空特性，來實現視覺顯著性檢測，故可以獲得比傳統顯著性檢測方法更加精確的結果。

技術領域

本發明涉及一種基于時-空顯著性自適應融合的紅外圖像序列顯著性檢測方法，屬于圖像處理和計算機視覺技術領域。

背景技術

視覺注意(顯著性)是人類視覺系統的一個重要機制：盡管人類的眼睛在面對自然場景時可以捕獲大量的視覺信息，但是人類有限的視覺細胞僅僅關注的是場景中最為顯著的區域。人類視覺系統的這個機制吸引了包括心理學、認知神經學、計算機科學等眾多領域的學者的研究興趣。目前，在計算機視覺領域，人們提出了各種各樣的計算模型，來模擬視覺顯著性，并將這些模型應用于計算機視覺和模式識別的眾多領域，如：圖像/視頻壓縮、圖像/視頻分割、目標檢測和識別、運動目標跟蹤等。

現階段，視覺顯著性模型從應用對象角度可以分為兩類：單幀圖像的視覺顯著性檢測模型、視頻序列的視覺顯著性檢測模型。前者主要提取的是單幀圖像的空域顯著性，而后者不僅要提取空域顯著性，還要提取時域顯著性，這樣計算得到的顯著性圖(即時-空顯著性圖)才能適合于視頻序列應用的需求。盡管，現在人們已經提出一些時-空顯著性圖計算模型，但是，這些模型大都是針對普通光學圖像序列的。直接將這些模型應用于紅外圖像序列，很難得到較為滿意的結果。原因如下：

首先，鑒于紅外圖像特殊的成像機理，在一般可見光圖像(序列)顯著性模型里常用的顏色、紋理、方向等特征，在紅外圖像中不明顯，導致這些特征無法使用。其次，鑒于紅外圖像(序列)的應用場合(多為軍事應用或民用視頻監控等)，采集得到的紅外圖像(序列)中背景一般較為復雜，例如：背景含有海面雜波、云層雜波、背景干擾等。此時，顯著性目標易于淹沒在這些背景中，導致顯著性檢測難度變大。由此可見，針對紅外圖像序列，設計一種適合于它的魯棒性、準確性顯著性檢測模型，不僅十分迫切，而且具有挑戰性。

發明內容

發明目的：針對現有技術面向紅外圖像序列顯著性檢測問題時所存在的問題，本發明提出一種通過提取紅外圖像序列的亮度對比度顯著性、輪廓顯著性、時域顯著性等，并將它們進行自適應融合，同時利用多尺度思想和格式塔(Gestalt)理論進一步增強和優化顯著性圖的紅外圖像序列顯著性檢測方法。

技術方案：一種紅外圖像序列顯著性檢測方法，包括如下步驟：

(A)采用一種基于交互一致性引導的空間信息融合方法提取每幀紅外圖像的亮度和輪廓特征，并計算空域顯著性。

其中，基于亮度對比度的顯著性計算包括：首先，針對紅外圖像序列的第t幀圖像I^t，計算位置l處的亮度對比度顯著性

其中，Ω_c是l的鄰域，Ω_s是l周圍的環形區域；其次，為了確保僅包含紅外目標的區域是顯著度，降低背景雜波干擾，設計一個校正函數f(α)＝|α|^γ，其中，γ≥1，γ為常數，來控制對比度增益，得到：

基于輪廓的顯著性計算包括：首先，針對紅外圖像序列的第t幀圖像I^t，計算它的梯度幅度G^t；其次，為了消除噪聲的輪廓片段，得到更加魯棒的輪廓顯著性圖，采用上述校正函數對梯度幅度G^t進行改進，得到改進后的輪廓顯著性圖：