专利名称：基于均值漂移的灰关联红外成像目标分割方法
技术领域：
本发明属于图像信息处理领域，涉及红外成像目标分割方法，特别是涉及基于均 值漂移的灰关联红外成像目标分割方法，可用于红外精确制导、目标探测及火控、光学遥感 和夜间导航等军用或民用系统中，为目标识别和跟踪奠定了基础。
背景技术：
红外成像目标分割作为目标识别和跟踪的基础，是自动目标识别中的一项关键技 术。近年来，目标分割技术研究取得了很大的进步，尤其是利用图像的灰度特征进行阈值分 割的算法在图像分割领域得到了广泛的应用。但是，这类算法在复杂背景下对目标分割的 精确性较差，因而也限制了这些算法的应用。如何自动有效地从复杂背景中将红外目标提 取出来，一直是国内外研究的热点和难点问题。针对这一问题，众多学者对此进行了深入的 研究，并提出了多种方法，例如(1)边缘检测法，利用梯度模板对图像局部特征的不连续点进行检测，标记为边缘 点，找出连续封闭的边缘作为划分各区域的边界，从而实现目标分割。但该类方法对噪声敏 感，一般很难获得完全封闭的边缘，又带来了边缘连接的问题。当区域之间对比度低时，方 法失效。(2)阈值分割方法，通过对图像灰度特征进行直方图统计，构造相应的代价函数， 求取最优阈值来分割图像。这类方法思路直观，实现简单，但同样对噪声不具有鲁棒性，又 缺乏对图像空域信息的考虑，在背景复杂的情况下分割结果误差较大。(3)区域生长法，依据相似性准则对种子点进行生长，最终实现区域的划分。这一 类方法对初始种子点的选取和扫描顺序的依赖性较强，且相似性准则难以确定。综上所述，现有的红外目标分割方法大都对噪声比较敏感，且在复杂背景下分割 效果不稳定，为此，人们提出了基于均值漂移的目标分割方法。均值漂移是一种基于特征空间聚类的方法，通过反复迭代搜索特征空间样本点最 密集的区域，使得搜索点沿着样本点密度增加的方向“漂移”到局部密度极大点。该方法具 有完全依靠特征空间中的样本点驱动，不需要任何先验知识，收敛速度快等优点，近年来已 被广泛应用于图像分割和跟踪等领域。但在研究中发现，将均值漂移应用于图像分割时，容 易陷入局部收敛，从而导致分割结果出现明显的过分割现象，最终影响目标的精确提取。
发明内容
本发明的目的是针对上述已有均值漂移法存在的问题，提出一种基于均值漂移的 灰关联红外成像目标分割方法，以弥补应用均值漂移分割图像时，容易陷入局部收敛，导致 过分割的现象，提高目标的分割精确度。实现本发明目的的技术关键是在计算非首行非首列像素点的收敛值之前，先判 断当前像素点与其邻域点的相似程度，对相似度高的点则取消其迭代收敛过程，直接将邻 域点收敛均值赋予当前点；在运用均值漂移初分割之后，对分割区域块选取背景参考值和目标参考值，分别计算各区域与背景参考值和目标参考值之间的灰关联系数，利用得到的 灰关联系数曲线的拐点寻找阈值，通过融合三个单一阈值，对图像进行动态划分，实现目标 和背景的分离。具体实现步骤如下(1)均值漂移初分割步骤(Ia)依据Silverman法则，求取原始图像I的全局最优带宽h ；生成一个与原始图 像同样大小的矩阵Γ，作为均值漂移滤波输出图，Γ中元素初始值设为零；(Ib)将得到的带宽h代入均值漂移计算式，通过迭代计算均值漂移向量求取像素 点的局部收敛值，并将该收敛值赋给滤波输出图Γ中对应的像素点；(Ic)对原始图像I中的像素点进行相似性判断，若原始图像当前像素点与其邻域 点灰度值接近，且这些邻域点已经计算过收敛值，则将当前点的收敛值设为其邻域点收敛 值和的均值；反之，则将该像素点作为新的搜索起始点，返回步骤(Ib)；(Id)对滤波图像Γ中的像素点进行遍历，对于空间相邻，且灰度值距离小于h/2 的像素合并为一类，并求取每一类的像素灰度值总和P·、总像素个数Pm、总类别数N，以及 标记每个像素的类别；(Ie)对相同类别的像素灰度值取平均，得到各区域内灰度均勻一致的初步分割图 像Ims，各区域的像素灰度值按标记顺序排列成一维向量虬；(2)灰关联融合步骤(2a)以一维向量Mv作为比较序列；(2b)求取初分割图像Ims的灰度均值Vm_和灰度最大值Vmax ；从灰度值小于Vm_的
区域中选出面积最大的区域块，以该面积最大区域块的灰度值作为背景参考值V1 ；从灰度 V +V
值大于mmn2 max的区域中选出面积最大的区域块，以该面积最大区域块的灰度值作为目 标参考值\；(2c)分别计算比较序列Mv中的各因素与背景参考值V1和目标参考值Vh之间的邓 氏灰关联系数，得到背景灰关联系数曲线&和目标灰关联系数曲线& ；(2d)分别对背景灰关联系数曲线Ii1和目标灰关联系数曲线&进行升序排列，得 到背景升序序列&和目标升序序列& ；(2e)分别计算背景升序序列&和目标升序序列&各点的斜率，寻找斜率最小时对 应的背景灰关联系数曲线拐点值T1和目标灰关联系数拐点值IV以背景拐点值Γι为阈值分 割原始背景灰关联系数曲线&，从大于零的部分选取背景模板阈值T1 ；以目标拐点值为 阈值分割原始目标灰关联系数曲线&，从大于零的部分选取目标模板阈值Th ；目标灰关联 系数曲线与背景灰关联系数曲线点对点相减，从差值大于零的部分选取联合模板阈值Tm ；(2f)根据上述阈值T1, Tffl, Th，对初分割图像Ims进行划分，得到动态模板图D = {D(i，j) i = l，2，L，H;j = l，2，L，ff}
权利要求
1. 一种基于均值漂移的灰关联红外成像目标分割方法，包括(1)均值漂移初分割步骤(Ia)依据Silverman法则，求取原始图像I的全局最优带宽h ；生成一个与原始图像同 样大小的矩阵Γ，作为均值漂移滤波输出图，Γ中元素初始值设为零；(Ib)将得到的带宽h代入均值漂移计算式，通过迭代计算均值漂移向量求取像素点的 局部收敛值，并将该收敛值赋给滤波输出图Γ中对应的像素点；(Ic)对原始图像I中的像素点进行相似性判断，若原始图像当前像素点与其邻域点灰 度值接近，且这些邻域点已经计算过收敛值，则将当前点的收敛值设为其邻域点收敛值和 的均值；反之，则将该像素点作为新的搜索起始点，返回步骤(Ib)；(Id)对滤波图像Γ中的像素点进行遍历，对于空间相邻，且灰度值距离小于h/2的像 素合并为一类，并求取每一类的像素灰度值总和P·、总像素个数Pm、总类别数N，以及标记 每个像素的类别；(Ie)对相同类别的像素灰度值取平均，得到各区域内灰度均勻一致的初步分割图像 Ims，各区域的像素灰度值按标记顺序排列成一维向量Mv ；(2)灰关联融合步骤(2a)以一维向量Mv作为比较序列；(2b)求取初分割图像Ims的灰度均值Vnrean和灰度最大值Vmax ；从灰度值小于Vm_的区域中选出面积最大的区域块，以该面积最大区域块的灰度值作为背景参考值V1 ；从灰度值 V +V大于max的区域中选出面积最大的区域块，以该面积最大区域块的灰度值作为目标 参考值\ ；(2c)分别计算比较序列Mv中的各因素与背景参考值V1和目标参考值Vh之间的邓氏灰 关联系数，得到背景灰关联系数曲线&和目标灰关联系数曲线& ；(2d)分别对背景灰关联系数曲线Ii1和目标灰关联系数曲线&进行升序排列，得到背 景升序序列&和目标升序序列& ；(2e)分别计算背景升序序列&和目标升序序列&各点的斜率，寻找斜率最小时对应 的背景灰关联系数曲线拐点值T1和目标灰关联系数拐点值IV以背景拐点值Γι为阈值分割 原始背景灰关联系数曲线&，从大于零的部分选取背景模板阈值T1;以目标拐点值为阈 值分割原始目标灰关联系数曲线&，从大于零的部分选取目标模板阈值Th ；目标灰关联系 数曲线与背景灰关联系数曲线点对点相减，从差值大于零的部分选取联合模板阈值Tm ；(2f)根据上述阈值T1, Tffl, Th，对初分割图像Ims进行划分，得到动态模板图D= {D(i， j) i = l，2，L，H;j = l，2，L，ff}TlLs(iJ) < Τ TmIms(i,f)>Tm&&Tm》ThD(iJ) = l ThImsii,D>Th&&Th>Tm+ (I —T1 < Ims {i, j) ScTh > Tm+(1-T1 < Ims (i, j)《Tm8c &Tm > Th 式中，Ims(i，j)为初分割图像Ims的当前像素点灰度值，D(i，j)为指示矩阵D的当前像素值，k为权值系数且k e
，H，W分别代表图像的长和宽；(2g)将原始图像I与动态模板图D相减，保留原始图像I中灰度值差值大于或等于0 的像素点，将灰度差值小于0的像素点的灰度值均设为0，从而得到最终分割结果Is。
2.根据权利要求1所述的红外成像目标分割方法，其中步骤(Ic)所述的对原始图像I 中的像素点进行相似性判断，是按照如下公式进行
3.根据权利要求1所述的红外成像目标分割方法，其中步骤Oe)所述的从大于零的部分选取背景模板阈值T1，通过如下公式进行 ( \ 7；= max Mv [α(ρ)] | ρ = {1,2,L ,N}
4.根据权利要求1所述的红外成像目标分割方法，其中步骤Oe)所述的从大于零的部分选取目标阈值Th，按如下公式进行
5.根据权利要求1所述的红外成像目标分割方法，其中步骤Oe)所述的从差值大于零的部分选取联合模板阈值Tm，根据如下公式进行
6.根据权利要求1所述的红外成像目标分割方法，其中步骤Of)按如下步骤进行 (6a)生成元素值均为零的指示矩阵= |E0(i，j) =0|i = l，2，L，H;j = l，2，L，ff}； (6b)若初分割图像Ims的当前像素点Ims(i，j)小于背景模板阈值T1，则将指示矩阵E的当前元素值E(i，j)设为背景模板阈值T1 ；(6c)若联合模板阈值Tm大于等于目标模板阈值Th，分两种情况处理 若初分割图像Ims的当前像素点Ims(i，j)大于联合模板阈值Tm，则将指示矩阵E的当 前元素值E (i，j)设为联合模板阈值Tm ；若初分割图像Ims的当前像素点Ims(i，j)小于等于联合模板阈值Tm且大于等于背景模 板阈值T1,则将指示矩阵E的当前元素值E(i，j)设为联合模板值Tm和目标模板阈值Th加 权得到的新的数值；(6d)若联合模板阈值Tm小于目标模板阈值Th，分两种情况处理 若初分割图像Ims的当前像素点Ims(i，j)大于目标模板阈值Th，则将指示矩阵E的当 前元素值E(i，j)设为目标模板阈值Th ；若初分割图像Ims的当前像素点Ims(i，j)小于等于目标模板阈值Th且大于等于背景模 板阈值T1,则将指示矩阵E的当前元素值E(i，j)设为背景模板阈值T1和目标模板阈值Th 加权得到的新的数值；(6e)由上述步骤(6a) (6d)得到指示矩阵 E = {E (i，j) | i = 1，2，L，H ； j = 1，2，L， W}，其中E(i，j)的具体数值如下式所示
全文摘要
本发明公开了一种基于均值漂移的灰关联红外成像目标分割方法，主要解决现有同类方法过分割现象严重，分割精度低的问题。其实现步骤是(1)对原始图像进行均值漂移滤波；并依据当前像素点与邻域点的相似性来判断是否计算均值漂移收敛值；(2)合并相同类别的像素并标记，得到初分割图像；(3)从初分割图像的区域中分别选取背景参考值和目标参考值；(4)计算各区域与参考值之间的灰关联系数；(5)利用灰关联系数曲线的拐点寻找阈值，通过融合三个单一阈值，实现对图像的动态划分。本发明具有运算速度快、分割精度高、稳定性好以及自适应性强的优点，可用于红外精确制导、目标探测及火控、光学遥感和夜间导航等军用或民用系统中。
文档编号G06T5/00GK102063707SQ20111000118
公开日2011年5月18日 申请日期2011年1月5日 优先权日2011年1月5日
发明者刘靳, 姬红兵, 姬雪峰, 李棉, 杨金龙 申请人:西安电子科技大学