基于纹理显著性的微光图像目标检测.pdfVIP

物 理 学报 ActaPhys．Sin．Vo1．63，No．6(2014) 069501 基于纹理显著性的微光图像 目标检测冰 金左轮 韩静 张毅 柏连发t (南京理工大学，江苏省光谱成像与智能感知重点实验室，南京 210094) (2013年8月2日收到；2013年l2月5日收到修改稿) 微光图像对 比度较低，目标显著性不明显，目标 自动探测难度大．针对此 问题，本文提出一种噪声鲁棒性 较好的图像局部纹理粗糙度算法 并给出一种适用于微光图像显著分析的纹理显著性算法．首先，提出一种 新的局部纹理粗糙度算法，该算法利用最佳尺寸计算局部纹理粗糙度，对纹理图像进行加噪实验，与基于局部 分形维的粗糙度方法相比 本文局部纹理粗糙度算法表现出较好的噪声鲁棒性；其次，在提取图像粗糙度特征 图的基础上，给出一种针对纹理的显著性度量算法；最后，将纹理显著性算法应用于微光图像 目标检测，实验 结果证明了该算法的有效性． 关键词：局部纹理粗糙度，纹理显著性，显著性度量，微光图像 目标检测 PACS：95．75．Mn，42．30．Va，42．30．Sy DOI：i0．7498／aps．63．069501 究基于纹理的显著性模型具有重要意义． 1 引 言 本文首先在Tamura等 [11]纹理粗糙度算法的 基础上，提出了一种新的局部纹理粗糙度 (1ocal 微光技术是夜视技术的重要组成部分，微光成 texturecoarseness，LTC)算法 ．LTC算法可 以提 像提高了人眼在微弱光照条件下的观察能力．然而 取 图像纹理粗糙度特征 图，特征图中的每个像素 与一般可见光图像不同，它具有对比度低、信噪比 值衡量了此像素点所在局部区域的粗糙度．与基 低、灰度级有限等特征 ]．这些特征使微光图像 于分形理论的粗糙度算法相 比，LTC算法具有较 中的 目标受噪声干扰，与周 围环境对 比度低，视觉 强的噪声鲁棒性．然后根据粗糙度特征图分割出 显著性不明显，自动探测难度大．因此研究适合夜 候选区域，给出了基于区域的纹理显著性 ftexture 视 目标的探测技术是当前亟待解决的问题． saliency，TS)度量方法．最后将TS算法应用于微 面对复杂场景，人类视觉系统能够快速地将注 光图像 自动 目标检测，实验结果证明了算法具有较 意力集 中在几个重要或感兴趣的 目标上，这种机制 好的实际应用效果． 称为视觉注意机制．它实现了视觉系统有选择性地 获取信息，将有限的硬件资源优先分配给那些容易 2 局部纹理粗糙度 引起注意的区域，提高了目标检测的效果和响应速 度．利用注意机制进行 目标检测成为近年来的研究 视觉感知研究发现，人类具有完美的纹理感 热点 [3-~1． 知机制，可以区分细小的纹理差别．人类用来区 纹理是用来识别图像中物体或感兴趣区域的 分纹理的特征包括：粗糙度 fcoarseness)、对 比度 重要属性之一 [6-s]，几乎存在于所有物体表面 包 (contrast)、复杂度 (complexity)、方向度 (direction— 含 了物体表面结构组织排列的重要信息以及它们 ality1等．Tamura等 [11]在对人类纹理视觉感知的 与周 围环境的联系 9【]．纹理反映了图像中同质现象 心理学研究基础上，提出了Tamura纹理特征的表 的视觉特征，且独立于图像颜色或亮度 [10]．因此研 达，近年来