[发明专利]基于混合算法的红外图像显著性区域检测方法

说明书

技术领域

本发明涉及一种基于混合算法的红外图像显著性区域检测方法，属于图像处理技术领域。

背景技术

随着图像处理技术的快速发展，图像视觉显著性检测成为一个备受关注的课题。显著性检测广泛用于图像处理各个领域，比如图像分割、图像搜索、物体检测和识别等。而图像的显著性检测，就是让计算机快速地辨别出红外图像中含有有用信息、且人类视觉中最为关注的显著性区域。显著性的结果是能够获得完整，清晰且无背景干扰的突显显著性区域的显著图。

目前，我国在该领域相关专利有：一种基于移动视觉焦点的图像视觉显著性检测方法(公开号：CN103810707A)，该方法首先运用基于图的分割算法将原始图像进行分割；然后对原始图像进行量化及高频颜色筛选；利用分割图像获得量化图像对应的分割区域并进行区域对比计算，以获得某一区域的显著值，从而获得初始显著图；利用显著性引力模型计算视觉焦点的移动距离及移动方向以获取下一个视觉焦点，直到当前焦点距离与上一焦点距离小于1为止；运用最终的视觉焦点对获得最终视觉焦点的前一次获得显著图加权而获得最终显著图。该检测方法虽然可以突出显著物体，并很好地抑制图像背景，但仍然存在不足的是，该方法获得的显著性物体目标不均匀，而且无法保留目标的完整边界。

基于色彩直方图和全局对比度的图像视觉显著性计算方法(公开号：CN102129693A)，该方法同时考虑了全局对比度和空间相干性，但是由于仅利用了颜色直方图和空间关系，得到的显著图是基于分割区域而非像素，使得最终的显著图比较粗糙，并且在背景较为复杂时检测结果不太理想。

综上所述，目前关于图像显著性检测的方法挺多，但是依然存在不足，算法不够成熟，不足之处体现在，目标突显不均匀，边界信息容易缺失，在面对复杂的背景时，难以去除背景噪声，依然存在大量的背景干扰。

发明内容

发明目的：针对现有技术中存在的问题，本发明提供一种专门面向红外图像的显著性检测方法，它能够保证在完全抑制背景噪声的同时，清晰突显出显著性区域。

技术方案：一种基于混合算法的红外图像显著性区域检测方法，包括如下步骤：

步骤一：对原始红外图像S进行局部稀疏表示，在进行局部稀疏表示的时候采用多尺度局部稀疏表示方法，得到初始显著图S_M；

步骤二：提出了融合二维最大熵/最小交叉熵和最大标准差的红外图像前景预测算法，对原始红外图像S进行处理，得到突显目标并抑制背景的前景预测图S_y；

步骤三：将原始红外图像S与步骤二获得的前景预测图相减，得到原始红外图像的背景图S_b；

步骤四：将步骤一得到的初始显著图S_M减去步骤三得到的背景图S_b，得到最终的显著图S_Map。

其中，在步骤一中，多尺度局部稀疏表示得到初始显著图的具体操作过程如下：

步骤a：给定一个以元素x∈R²为中心的输入图像S，取分块大小为而表示以x为中心并且包含n个元素的块，设定一个大小为的局部搜索框，局部搜索框以x为中心，k为局部搜索框中非中心元素的个数，为以搜索框中每个非中心元素作为中心元素的块，其中i＝1,2...k，因此，用非中心块来线性表示中心块的表达式如下：

其中，是非中心元素块的矩阵，是线性组合的系数向量；

步骤b：将步骤a中中心块的表达式表示为下述等式：

其中为包含少量非零元素的系数向量，表示伪l₀范数，通过正交匹配追踪来解包含少量非零元素的系数向量中心块经过稀疏表示后得到的线性组合如下：

步骤c：图像显著性可通过重构图像与原来图像的残差来获得，用下式来简单的表示图像显著性：

其中||·||₂表示L₂范数；

步骤d：对整个图像进行局部稀疏表示，即将搜索框从上到下，从左到右搜索整个图像，并且在局部搜索框内对每个元素都进行稀疏表示，最后求步骤c中等式的残差得到整个图像的显著图S_M1。

步骤e：将原始图像S的分块大小设置为再进行a～f步骤所述的局部稀疏表示处理，得到图像显著图S_M2；