一种基于纹理显著性的微光图像目标检测方法.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(10)申请公布号CNCN104346800104346800A(43)申请公布日2015.02.11(21)申请号201310334161.X(22)申请日2013.08.02(71)申请人南京理工大学地址210094江苏省南京市孝陵卫200号(72)发明人柏连发张毅金左轮韩静岳江陈钱顾国华(74)专利代理机构南京理工大学专利中心32203代理人朱显国(51)Int.Cl.G06T7/00(2006.01)G06K9/46(2006.01)权权利要求书3页利要求书3页说明书6页说明书6页附图3页附图3页(54)发明名称一种基于纹理显著性的微光图像目标检测方法(57)摘要本发明涉及一种基于纹理显著性的微光图像目标检测方法。本方法首先提取图像粗糙度特征图，进行二值化特征处理，合并属于同一目标区域，分别计算全局显著性、局部显著性和位置显著性，以此计算纹理显著性获得纹理显著图，最后利用纹理显著图进行图像目标检测。其核心内容是利用微光图像目标纹理与背景差异较大的特点，通过纹理显著性进行目标检测。利用本发明方法探测微光图像目标，目标轮廓性好、击中率高。CN104346800ACN104368ACN104346800A权利要求书1/3页1.一种基于纹理显著性的微光图像目标检测方法，其特征在于，包括以下步骤：步骤一：按如下方法提取图像粗糙度特征图：1.1计算图像中大小为4k×4k活动窗口中像素的平均灰度值，式中，k＝1,2,…,Lmax；Lmax为k的最大值,；(i,j)为像数点坐标；f(i,j)是位于(i,j)的像素灰度值；当k＝0时，取窗口尺寸大小为3×3；(x,y)为各平均灰度图Ak的坐标；1.2对于每个像素,分别计算它在水平和垂直方向上窗口之间的平均灰度差,水平方向平均灰度差计算方法如式（2a）所示，垂直方向平均灰度差计算方法如式（2b）所示，Ek,h(x,y)＝|Ak'(x+ρ,y)-Ak(x,y)|(2a)Ek,v(x,y)＝|Ak'(x,y+ρ)-Ak(x,y)|(2b)式中，k'＝max(k-Lb,0)，Lb为两个窗口偏差尺度，Lb＝Lmax-α且Lb≥1；参数α取值如下：α＝3,Lmax≥5;α＝min(2,Lmax-1),Lmax＜5；ρ为两个窗口偏心距，ρ＝2k'+1；1.3计算每一像素点的最佳尺寸，计算公式如式(3a)所示，Sbest＝4kmax(3a)Ek＝max(Ek,h,Ek,v)(3b)Emax＝max(Ek),Emin＝min(Ek)(3c)公式（3b）、（3c）为中间变量，式中，Ek表示每个尺寸k在水平和垂直方向平均灰度差值的最大值,Emax为像素点最大平均灰度差值,Emin为像素点最小平均灰度差值，kmax值按如下三种情形确定：(i)若k＝0，E0＞tM，取kmax＝0，其中tM为E0所有像素点局部非零极大值的均值，否则转入(ii)；(ii)若Numel(DEk＜τ0)＝Lmax-1且Emax＜tm，则取kmax＝Lmax，其中Numel表示对满足条件的k计数，DEk＝|Ek-Ek-1|，参数参数为Emin的平均值，否则转入(iii)；(iii)kmax＝argmax(Ek)；1.4根据图像中每一像素点的最佳尺寸,计算该像素点的局部粗糙度，计算方法如式(4)所示,Fcrs(x,y)＝Sbest(x,y)(4)；步骤二：对特征图Fcrs进行二值化处理，并根据格式塔知觉组织规则-接近律，对属于同一目标的两个区域进行合并；步骤三：依次使用公式(5a)、（5b）计算全局显著性GSiAi＝aj,Amin＜aj＜Amax(5a)2CN104346800A权利要求书2/3页式中，aj为第j特征区域总像素数，Ai为重新标记后的区域，Amin是对aj限定的最小值，Amax是对aj限定的最大值；步骤四：计算局部显著性LSi，计算公式如式(6)所示，为第i特征区域在粗糙度特征图中的灰度均值，M为特征图最大灰度值；为得到区域局部环境信息，将特征区域沿区域边界外延r宽度像素，是外延区域在粗糙度特征图中的灰度均值,r∈[5,7]；步骤五：计算位置显著性PSi，计算公式如式（7）所示，式中，(X0,Y0)为图像中心坐标，(xi0,yi0)第i特征区域中心坐标，η为调节参数；步骤六：计算纹理显著性大小，以获得显著图，计算纹理显著性大小的方法如式（8）所示，式中，GSi,LSi,PSi均已归一化；步骤七：显著图中的各显著区域即为提取原目标的感兴趣区域，对各感兴趣区域进行注意焦点转移，注意焦点为各感兴趣区域的中心，注意焦点转移的先后次序为区域显著性大小TSi的递减顺序；根据抑制返回机制，已经注意过的区域立即被抑制，TSi值归零。2.如权利要求1所述的基于纹理显著性的