一种红外图像序列显著性检测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN106887002A(43)申请公布日2017.06.23(21)申请号201710213028.7(22)申请日2017.04.01(71)申请人南京师范大学地址210046江苏省南京市栖霞区文苑路1号(72)发明人宁晨曾毓敏(74)专利代理机构南京苏高专利商标事务所(普通合伙)32204代理人柏尚春(51)Int.Cl.G06T7/11(2017.01)G06T7/13(2017.01)G06T7/215(2017.01)权利要求书3页说明书6页附图1页(54)发明名称一种红外图像序列显著性检测方法(57)摘要本发明公开了一种红外图像序列显著性检测方法，首先，采用一种基于交互一致性引导的空间信息融合方法提取每帧红外图像的亮度和轮廓特征，并计算空域显著性；其次，设计一种多帧对称差分算法提取红外序列的运动信息，并计算该帧图像的时域显著性；第三，设计一种自适应融合策略，将空域显著性和时域显著性相结合；第四，为了均匀突显红外图像序列中的时-空显著性区域，提出一种多尺度融合方法，嵌入到时-空显著性模型里，得到多尺度时-空显著性图；最后，设计了一种基于Gestalt理论的优化算法，进一步提高显著性检测结果的可靠性；本发明通过深入挖掘红外图像序列的时空特性，来实现视觉显著性检测，故可以获得比传统显著性检测方法更加精确的结果。CN106887002ACN106887002A权利要求书1/3页1.一种红外图像序列显著性检测方法，其特征在于，包括如下步骤：(A)采用一种基于交互一致性引导的空间信息融合方法提取每帧红外图像的亮度和轮廓特征，并计算空域显著性St；(B)设计一种多帧对称差分算法提取红外序列的运动信息，并计算该帧图像的时域显著性Tt；(C)设计一种自适应融合策略，将空域显著性St和时域显著性Tt相结合；(D)提出一种多尺度融合方法，嵌入到时-空显著性模型里，得到多尺度时-空显著性图(E)基于格式塔理论对多尺度时-空显著性图进行优化，具体步骤为：设l是多尺度时-空显著性图上的一个元素，ΩN是它的一个邻域，通过下式计算得到改进后的时-空显著性图：其中，为加权核函数。2.根据权利要求1所述的新的红外图像序列显著性检测方法，其特征在于，步骤(A)包括：(A1)基于亮度对比度的显著性计算；首先，针对红外图像序列的第t帧图像It，计算位置l处的亮度对比度显著性其中，Ωc是l的邻域，Ωs是l周围的环形区域；其次，设计校正函数f(α)＝|α|γ控制对比度增益，γ为常数且γ≥1，得到：(A2)基于轮廓的显著性计算；首先，针对红外图像序列的第t帧图像It，计算梯度幅度Gt；其次，采用上述校正函数对梯度幅度Gt进行改进，得到改进后的轮廓显著性图：(A3)基于交互一致性的空域显著性融合；首先，通过上述两步得到原始红外图像亮度对比度显著性图和轮廓显著性图后，计算其交互一致性：其中，是相对于的一致性；是相对于的一致性；2CN106887002A权利要求书2/3页其次，根据一致性，分别计算和的融合权值：其中，和满足第三，根据权值，将和进行融合，得到融合后的空域显著性：3.根据权利要求1所述的红外图像序列显著性检测方法，其特征在于，步骤(B)包括：(B1)计算红外视频序列第t帧图像It和第t-1帧图像It-1的帧间差分：Vt,t-1＝|It-It-1|；(B2)对于一个红外视频序列，将帧间差分Vt,t-1看做连续两帧之间的变化区域，将视频中的运行目标定义为T，则Vt,t-1又表示为连续两帧中运动目标的合并；假设Tt是t时刻的运动目标，则Vt,t-1为：Vt,t-1＝Tt∪Tt-1；(B3)将由上式计算得到的两个连续变化区域的交叠看做运动目标：Vt,t-1∩Vt,t+1＝(Tt∪Tt-1)∩(Tt∪Tt+1)＝Tt；(B4)由公式Vt,t-1＝|It-It-1|和Vt,t-1∩Vt,t+1＝(Tt∪Tt-1)∩(Tt∪Tt+1)＝Tt得运动目标Tt为：Tt＝|It-It-1|∩|It-It+1|；(B5)对上述以对称差分结果表示的运动目标Tt进行修改，得到改进后的显著性运动目标Tt：该多帧对称差分结果Tt即时域显著性。4.根据权利要求1所述的红外图像序列显著性检测方法，其特征在于：首先，定义一个用于识别不同类型的运动的测量标准M：其中，和分别表示Tt的均值和标准差；c是预定义参数，c∈(0.5,1)；其次，将空域显著性St和时域显著性Tt通过如下公式进行自适应融合：5.根据权利要求1所述的红外图像序列显著性检测方法，其特征在于，步骤(D)包括：(D1)计算不同尺度下的时-空显著性图其中r∈R表示尺度因子，R为{1,0.7,0.4}；(D2)将不同尺度下求得的时-空显著性图进行融合，得到多尺