[发明专利]基于NSST显著性检测及图割的泡沫红外图像分割方法

权利要求书

1.一种基于NSST显著性检测及图割的泡沫红外图像分割方法，其特征在于，具体包括以下步骤：

步骤1、对泡沫红外图像进行NSST多尺度分解，得到1个低频子带图像和k个尺度不同的高频子带，各尺度高频子带再分解为l个方向的高频子带；

步骤2、采用GBVS算法对低频子带图像进行显著性检测，通过马尔科夫链计算特征差异得到显著性值，并通过归一化显著值和合并多个激活图生成视觉显著图；

步骤3、对各个方向的高频子带计算阈值和尺度相关系数，去除噪声系数和非线性增强边缘、弱边缘系数，得到增强及去噪后的各个高频子带；

步骤4、结合步骤1得到的低频子带图像和步骤3得到的增强及去噪后的各个高频子带，进行NSST重构，得到增强及去噪后的泡沫红外图像；然后，结合图像显著值和亮度特征构造一个包含区域项和边界项的能量函数；最后，利用最大流/最小割算法求解能量函数的最小值，得到分割结果；

步骤3中，假设第k尺度第l方向的高频子带存在阈值高频子带的系数小于为噪声，反之，代表边缘信息，阈值的计算公式为：

其中，表示k尺度l方向高频子带的能量，σ_n表示子带噪声标准差，σ_x表示子带信号标准差，表示子带系数方差，L为第k尺度的方向总数，表示该子带在(i,j)点的系数；

将弱相关的噪声系数去除，而强相关的边缘系数增强，边缘系数采用非线性增益函数为：

其中，参数c用于控制增强强度，参数b用于控制增强范围，由下式计算，式中表示该子带的最大系数：

定义像素点(i,j)在第k尺度第l方向高频子带上的尺度相关系数为：

其中，表示不同尺度在(i,j)位置上的系数乘积，表示第k尺度第l方向子带的系数能量，是归一化处理，便于系数比较；最后，高频子带系数的增强函数为：

为调整后的高频子带系数，直接去除小于的噪声系数，对边缘、弱边缘系数进行非线性增强。

2.根据权利要求1所述的基于NSST显著性检测及图割的泡沫红外图像分割方法，其特征在于，步骤4中，构造一个包含区域项和边界项的能量函数，把图像映射成一个带权图G＝(V,E)，V和E分别是顶点和边的集合，图割的能量函数构建为：

其中，和表示图割能量函数的区域项和边界项；参数λ控制区域项和边界项的相对重要性；P为图像f中所有像素的集合；N_p为像素点p的领域像素集；参数α和β为控制区域约束项F_I(f_p)和F_s(v′_i)的权重，满足α+β＝1；最后，利用最大流/最小割算法求解能量函数的最小值，得到分割结果。