[发明专利]红外目标显著性检测方法、装置、电子设备和介质

说明书

本公开的实施例公开了红外目标显著性检测方法、装置、电子设备和介质。该方法的一具体实施方式包括：获取红外图像；对红外图像进行灰度转换，得到灰度图像；基于灰度图像和灰度共生矩阵算法，生成图像纹理特征；确定图像纹理特征是否满足预设条件；响应于图像纹理特征包括的二阶矩值和熵值满足预设条件，基于灰度图像，生成灰度金字塔图像；利用灰度共生矩阵算法和滑动窗口，对灰度金字塔图像进行多尺度特征提取处理，得到多尺度特征图像；基于多尺度特征图像，生成归一化多尺度图像；对归一化多尺度图像进行自适应阈值分割，得到多尺度二值响应图；基于多尺度二值响应图，确定目标框。该实施方式可以降低目标的漏检率和误检率。

技术领域

本公开的实施例涉及计算机技术领域，具体涉及红外目标显著性检测方法、装置、电子设备和介质。

背景技术

视觉显著性检测，是通过智能算法模拟人的视觉特点，提取图像中的显著区域的技术。对于海面逆光场景中红外目标的显著性检测，通常是使用深度学习方法或者基于高斯金字塔的传统检测算法进行检测。

然而，当采用上述方式时经常会存在如下技术问题：

第一，深度学习方法过于依赖场景和大数据，并且提取和区分图像纹理的能力较弱，从而，在海面逆光场景中，难以对图像中的目标和背景进行正确区分，造成目标的漏检率和误检率较高。

第二，基于高斯金字塔的传统检测算法适用于简单的场景中，在复杂场景中检测显著性目标的效率较低，从而，导致检测结果的响应速度较慢。

发明内容

本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开的一些实施例提出了红外目标显著性检测方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。

第一方面，本公开的一些实施例提供了一种红外目标显著性检测方法，该方法包括：获取拍摄终端发送的海面逆光场景的红外图像，其中，上述红外图像包括目标图像；对上述红外图像进行灰度转换，得到灰度图像；基于上述灰度图像和灰度共生矩阵算法，生成图像纹理特征，其中，上述图像纹理特征包括二阶矩值和熵值；确定上述图像纹理特征是否满足预设条件；响应于上述图像纹理特征包括的二阶矩值和熵值满足上述预设条件，基于上述灰度图像，生成灰度金字塔图像；利用上述灰度共生矩阵算法和滑动窗口，对上述灰度金字塔图像进行多尺度特征提取处理，得到多尺度特征图像；基于上述多尺度特征图像，生成归一化多尺度图像；对上述归一化多尺度图像进行自适应阈值分割，得到多尺度二值响应图，其中，上述多尺度二值响应图包括至少一个子响应图像，上述至少一个子响应图像中的子响应图像是黑色带预定数目个白点的图像；基于上述多尺度二值响应图，确定目标框。

第二方面，本公开的一些实施例提供了一种红外目标显著性检测装置，装置包括：获取单元，被配置成获取拍摄终端发送的海面逆光场景的红外图像，其中，上述红外图像包括目标图像；灰度转换单元，被配置成对上述红外图像进行灰度转换，得到灰度图像；第一生成单元，被配置成基于上述灰度图像和灰度共生矩阵算法，生成图像纹理特征，其中，上述图像纹理特征包括二阶矩值和熵值；第一确定单元，被配置成确定上述图像纹理特征是否满足预设条件；第二生成单元，被配置成响应于上述图像纹理特征包括的二阶矩值和熵值满足上述预设条件，基于上述灰度图像，生成灰度金字塔图像；多尺度特征提取处理单元，被配置成利用上述灰度共生矩阵算法和滑动窗口，对上述灰度金字塔图像进行多尺度特征提取处理，得到多尺度特征图像；第三生成单元，被配置成基于上述多尺度特征图像，生成归一化多尺度图像；自适应阈值分割单元，被配置成对上述归一化多尺度图像进行自适应阈值分割，得到多尺度二值响应图，其中，上述多尺度二值响应图包括至少一个子响应图像，上述至少一个子响应图像中的子响应图像是黑色带预定数目个白点的图像；第二确定单元，被配置成基于上述多尺度二值响应图，确定目标框。