[发明专利]基于贝叶斯显著图计算模型的红外目标检测方法

说明书

本发明公开的基于贝叶斯显著图计算模型的红外目标检测方法，具体涉及基于视觉注意机制的红外目标检测方法，属于计算机视觉技术领域。本发明实现方法如下：以贝叶斯定理为基础，通过计算红外图像的先验概率和似然概率，建立基于贝叶斯定理的显著图计算模型；基于meanshift分割算法和侧抑制求解先验概率；基于像素点统计求解似然概率；基于求解的先验概率和似然概率，计算最终显著图，获取红外目标检测结果。本发明基于贝叶斯显著图计算模型实现对红外目标检测，具有如下优点：背景噪声抑制能力强，显著区域轮廓清晰完整。

技术领域

本发明涉及一种红外目标的检测方法，具体涉及基于视觉注意机制的红外目标检测方法，属于计算机视觉技术领域，是目标识别、目标跟踪的前期工作。

背景技术

红外目标检测是红外探测系统中的一项关键技术，在红外目标搜寻与预警领域具有重要的应用，近年来已经成为了一个研究热点。受红外探测器，云雾背景等干扰影响，红外图像通常比较模糊，具有较强的背景杂波。

近年来，人脑视觉系统的信息处理机制在目标检测、识别、跟踪领域表现出独特的优势。其中，人脑视觉注意机制具有强调特异性质，突出显著目标的特性，使观察者可以在某一场景中快速找到感兴趣目标，获取有用信息。目前用于目标检测的视觉注意模型主要分为特征驱动的自底向上视觉注意模型和任务驱动的自顶向下视觉注意模型。自顶向下的注意模型一般分为特征学习和显著性检测两部分，因更符合人脑视觉注意机制机理而引起近几年的关注，但是大部分注意模型只停留在定性描述阶段，未能完全实现，且需要学习特征，计算复杂。自底向上的注意模型计算简单，运算速度快，得到广泛应用。

目前，基于视觉注意机制的红外目标检测算法相比常规算法具有更好的检测效果，但在复杂背景条件下这些算法仍不同程度的存在计算过程过于复杂、背景抑制能力有限等问题。1998年，Itti等提出了一种基于显著性的视觉注意模型，提取图像的颜色特征、亮度特征、方向特征三种，最后生成显著图，成为该领域第一个比较完整且系统的的计算模型，为视觉注意模型的研究奠定了基础；2007年，Hou等提出了一种基于谱残差的视觉注意模型，探索背景特性，同时利用背景信息和显著区域信息得到时空域的显著图。该方法运算速度快，但受噪声影响大，检测精度不高；2012年， Sun等在CVPR上提出了一种以超高斯分布作为显著特征的视觉注意模型，分析视觉统计点得出显著性具有超高斯分布的特性，该方法噪声抑制能力较强，但是显著区域模糊。2016年，Li等人提出了一种时空显著性计算方法，该算法将静态显著性与动态显著性融合得到增强动态目标的显著图，该算法提高了动态目标的检测率，但是算法较为复杂。因此，基于视觉注意机制的复杂背景下的红外目标检测是一个具有挑战性的研究方向。

发明内容

为了解决基于现有技术视觉注意显著图计算模型的红外目标检测方法带来的噪声抑制能力弱、检测精度不高的问题，针对复杂条件下红外目标检测的检测精度高的需求，本发明公开的基于贝叶斯显著图计算模型的红外目标检测方法要解决的技术问题为：基于贝叶斯显著图计算模型实现对红外目标检测，具有如下优点：背景噪声抑制能力强，显著区域轮廓清晰完整。

本发明是通过下述技术方案实现的。

本发明公开的基于贝叶斯显著图计算模型的红外目标检测方法，以贝叶斯定理为基础，通过计算红外图像的先验概率和似然概率，建立基于贝叶斯定理的显著图计算模型。基于meanshift分割算法和侧抑制求解先验概率。基于像素点统计求解似然概率。基于求解的先验概率和似然概率，计算最终显著图，获取红外目标检测结果。

本发明公开的基于贝叶斯显著图计算模型的红外目标检测方法，包括如下步骤：

步骤1：建立基于贝叶斯定理的显著图计算模型。

利用贝叶斯定理推断图像显著性，用贝叶斯公式把图像显著性问题转化成概率求解问题。贝叶斯公式推导如公式(1)所示：