[发明专利]一种基于人眼视觉特性的红外图像分割方法

摘要

本发明公开了基于人眼视觉特性的红外图像分割算法，属于图像分割算法技术领域。本发明为了解决现有分割算法的局限性，以及图像噪声与光照的影响，分割效果不利于人眼观察等复杂的问题。首先，利用人眼亮度感知特性以及Weber‑Fechner定律，对整体图像中过亮区域和过暗区域进行适当处理，使目标信息集中在Weber区域。然后，利用背景强度与光强梯度在对数域上呈局部线性关系的特性，模拟人眼视觉系统，建立HVS模型，对图像进行分割为三区域。分割的红外图片效果符合人眼感知特性，处理时间也有了一定的改善。

主权项

1.一种基于人眼视觉特性的红外图像分割方法，其特征在于，包括：步骤一：利用人眼亮度感知特性以及Weber‑Fechner定律，对整体图像中超出阈值范围的亮区域和低于阈值范围内的暗区域进行处理，使目标信息集中在Weber区域；步骤二：模拟人眼视觉系统将图像分割成三个子图像，每个子图像包含一维边缘信息；步骤三：使用背景强度和梯度信息对三个子图像分别进行二维分解，将每个子图像图像分割成二维图像，所有图像具有相同属性的内部特性；其中，背景强度计算为加权局部平均值，并将梯度信息计算为梯度测量值；通过如下公式计算出背景强度；其中B(x，y)是每个像素的背景强度，X(x，y)是输入图像，Q是该像素上，下，左，右的四个相邻像素构成的集合，Q'是该像素对角线上的四个相邻像素构成的集合，m和n是常数；通过如下公式得出图像中的最大差异；BT＝Xmax(x,y)‑Xmin(x,y)通过使用边缘检测的方法导出梯度信息，将X'(x,y)定义为此结果；定义H(x,y)与G(x,y)，表示梯度与背景强度的关系比值；定义关于人眼本身的阈值参数，由公式分别得到背景强度的阈值Bi和梯度的阈值Ki，其中i＝1，2，3：其中α1，α2，α3是基于人眼所显示的三个不同的响应特征区域的参数；由于，α1是较低的饱和水平，将其设置为零是有效的；图像被分割成基于Bi的人类视觉响应的不同区域，Bi是区域之间的背景强度阈值；不同的区域特征在于HVS记录的两个像素强度之间的最小差异；这三个分割红外图像分别如下式所示：Im1＝X(x,y),B2≥B(x,y)≥H(x,y)≥K2；Im2＝X(x,y),B3≥B(x,y)≥G(x,y)≥K1；Im3＝X(x,y),AllRemainingPixels。