[发明专利]一种基于显著性区域检测的红外舰船目标分割方法

说明书

技术领域

本发明一种基于显著性区域检测的红外舰船目标分割方法，属于数字图像处理，模式识别和传感器技术领域。它主要涉及红外舰船目标分割、局部自适应阈值、显著性区域检测和目标筛选技术，能广泛应用于红外舰船目标分割、定位、识别与跟踪。

背景技术

基于视场中物体红外辐射特性的红外成像系统，其输出图像反映目标与背景之间温度及红外发射率的差异。近年来，红外图像在海航监控和海上搜寻中的应用使其取得了广泛关注。自动红外舰船目标分割通常是感兴趣目标分析如自动船只分类、识别与跟踪等等研究的首要关键步骤。然而一幅海面红外图像中包含了舰船目标、背景辐射、大气效应和海面波动信息，这使得红外图像具有低分辨率、低信噪比和低前景背景对比度的特点。同时，受距离、场景、天气、大气条件变化影响，红外目标和背景混叠程度大不相同，这都加大了红外舰船目标分割的难度。

基于Mean-shift的算法依靠区域融合实现目标检测，然而当红外图像对比度较低时一些小尺寸目标可能会被滤除或者被融合到背景(W.B Tao,J Liu,H Jin:Unified mean shift segmentation and graph region merging algorithm for infrared ship target segmentation.Optical Engineering46(12)(2007).(陶文兵等：红外舰船检测的归一化均值漂移分割与图融合算法.光学工程46(12)(2007).))。改进的活动轮廓模型如AC-LFE方法能够一定程度上抑制亮度不均的影响，但细分结果对初值敏感(K.H Zhang,H.H Song,L Zhang:Active contours driven by local image fitting energy.Pattern recognition,43(4)(2010).(张开华等:局部图像能量控制的活动轮廓.模式识别43(4)(2010).))。FCM聚类是一类经典红外图像分割方法，经典FCM因不考虑空间信息而对噪声敏感，因此加入空间信息度量的FCM算法能够改善分割结果(J Wu,J Li,J Liu,J Tian:Infrared image segmentation via fast fuzzy C-means with spatial information.Robotics and Biomimetics,2004.ROBIO2004.IEEE International Conference on.IEEE,2004.(吴谨等:基于快速空间模糊C均值的红外图像分割.2004年IEEE机器人与仿生技术国际学会.))。阈值法诸如大津阈值法、最大熵法和最小误差阈值法简单有效，但阈值法只考虑灰度信息而忽略空间信息。加入空间信息改进的阈值法如2D大津阈值法(J Zhang,J Hu:Image segmentation based on2D Otsu method with histogram analysis.Computer Science and Software Engineering,2008International Conference on.IEEE,2008,6.(张军等:基于直方图分析的2D大津阈值法图像分割.2008年IEEE计算机科学与软件工程国际会议第六卷.))、2D熵阈值法(F Du,W Shi,L Chen,Y Deng,Z Zhu:Infrared image segmentation with2-D maximum entropy method based on particle swarm optimization(PSO).Pattern Recognition Letters,2005,26(5).(杜峰等:基于粒子群优化的2D最大熵法红外图像分割.模式识别快报,2005,26(5).))能在一定程度抑制噪声，然而阈值法受目标和背景之间的像素比率影响，如果目标像素比背景少太多则无法分割出目标。另外这些方法对于前景背景对比度较低的图像均无法取得良好分割效果。

通常舰船目标在视觉上具有显著的轮廓，因此检测显著性区域并用阈值分割每个显著性区域实现舰船分割的方案是可行的。

发明内容

1、目的：为了提高分割精度、改善分割效果，本发明提供了一种基于显著性检测的红外舰船目标分割方法，为红外舰船目标分割、定位、识别与跟踪等应用提供了有效工具。

2、技术方案：为了实现这个目的，本发明一种基于显著性区域检测的红外舰船目标分割方法，该方法具体步骤如下：