[发明专利]一种高动态红外图像分割阈值自适应计算方法

说明书

本发明公开了一种一种高动态红外图像分割阈值自适应计算方法，其包括以下几个步骤：步骤一：统计高动态红外图像灰度直方图；步骤二：将灰度直方图投影为显著特征直方图；步骤三：计算显著特征直方图的过零点灰度级；步骤四：计算显著特征直方图正值区间的均值和标准差；步骤五：计算高动态红外图像分割阈值。与其他通过压缩高动态图像灰度级后再计算阈值的方法相比，本发明直接在原始灰度直方图上处理，阈值计算更为准确。

技术领域

本发明属于目标检测和跟踪技术领域，涉及一种高动态红外图像分割阈值自适应计算方法。

背景技术

图像分割是目标检测和跟踪的一个关键步骤，其结果将直接影响到目标特征提取和描述，以及进一步的检测跟踪能力、多目标判断、真假目标判定、记忆跟踪等。

图像分割方法可以分为基于阈值的分割、基于区域的分割、基于边界的分割等方法。其中，基于阈值计算的分割方法由于复杂度低，易于实时处理，在项目工程中应用广泛。阈值分割的目的是找到某个合适的分割阈值，通过阈值可以将整幅图像或局部区域划分为前景和背景两个部分。由于图像的灰度直方图能够很好地反映一幅图像中的灰度分布信息，因此是阈值选取的重要参考依据。

现有阈值分割方法中采用的灰度直方图主要有一维灰度直方图和二维灰度直方图。一维灰度直方图仅包含了图像灰度信息，通过对比度差异或熵算法即可计算阈值，一般适用于图像前景和背景面积较大且灰度分布均匀时的情况。二维灰度直方图在一维灰度直方图基础上增加了邻域平均灰度信息，构成灰度-邻域平均二维灰度直方图。在二维灰度直方图基础上，采用区域划分法或熵算法可以计算分割阈值，该方法以不同形式利用了空间信息，阈值分割效果好、鲁棒性高，但是利用空间的信息有限，无法完整反映图像信息，因此不同图像适应性差。XiaoY等人发表的期刊《Entropic image thresholding based onGLGM histogram》[J].Pattern Recognition Letters,2014,40:47-55，提出GLGM(灰度和梯度-幅度)直方图作为新的阈值分割图像直方图，GLGM直方图同时显示了灰度级发生概率和空间分布特征，使用斐波纳契量子化梯度幅度来有效地表征空间信息，采用最大熵计算图像阈值，实验证明了该阈值方法的有效性和鲁棒性，该方法需要测量大量的离散点，求解法矢量的精度较高，可靠性较好；霍凤财等人发明的专利号为CN201410172544.6的“二进制算法和二维直线交叉熵结合的图像分割方法”采用图像的灰度级-邻域平均二维灰度直方图，构建二维直线交叉熵，用垂直于主对角线的一条直线将图像分割成目标和背景两部分，其次以二进制对个体进行编码，二维直线交叉熵作为适应度函数，提出基于遗传机制的二进制蜂群算法自适应获取阈值，具有良好的收敛性能和快速、平稳、准确地获取分割阈值的能力。但高动态红外图像由于灰度分布范围广泛，灰度级数量较多，属于长尾分布，造成各灰度级熵值计算耗时长，且某些灰度级之间差异性小，难于确定稳定阈值。因此还需研究和寻找更为稳定、有效、实时的技术途径。

发明内容

(一)发明目的

本发明的目的是：提供一种高动态红外图像分割阈值自适应计算方法，以实现对高动态红外图像分割，且可适用于透空背景、云层背景等对空场景的弱小目标检测，分割阈值和分割效果稳定，参数自适应，无需调参，复杂度低，可满足实时处理要求。

(二)技术方案

为了解决上述技术问题，本发明提供一种高动态红外图像分割阈值自适应计算方法，将灰度直方图投影为显著特征直方图，在特征值空间求分割阈值，主要包括以下几个步骤：

步骤一：统计高动态红外图像灰度直方图；

步骤二：将灰度直方图投影为显著特征直方图；

步骤三：计算显著特征直方图的过零点灰度级；

步骤四：计算显著特征直方图正值区间的均值和标准差；

步骤五：计算高动态红外图像分割阈值。