自適應(yīng)調(diào)整的紅外船舶圖像活動(dòng)輪廓分割方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及一種紅外成像技術(shù)領(lǐng)域，尤其是一種可提高分割精度和速度的自適應(yīng) 調(diào)整的紅外船舶圖像活動(dòng)輪廓分割方法。
【背景技術(shù)】
[0002] 現(xiàn)有基于活動(dòng)輪廓模型進(jìn)行圖像分割的基本方法是利用圖像的幾何特性建立一 個(gè)能量泛函，在變分法下求能量函數(shù)極小值，得到相應(yīng)的Euler-Lagrange方程，然后，矛υ用 泛函分析和數(shù)值分析等領(lǐng)域的相關(guān)知識(shí)對(duì)于模型的合理性進(jìn)行分析，最終提取出感興趣的 圖像區(qū)域。目前出現(xiàn)的活動(dòng)輪廓分割模型主要包括W下：測(cè)地活動(dòng)輪廓模型利用圖像自身 的特性(梯度)在黎曼空間中尋找能夠刻畫其特性的測(cè)地線，從而對(duì)目標(biāo)物體的分割，該模 型不能夠較好地分割邊緣噪聲嚴(yán)重W及內(nèi)部區(qū)域出現(xiàn)遮擋的圖像;C-V模型不需要利用圖 像的梯度信息，只要根據(jù)目標(biāo)和背景區(qū)域的平均灰度值的差別即可完成分割，C-V模型演化 速度慢，而且對(duì)異質(zhì)圖像的處理不是很理想。
[0003] 隨著計(jì)算機(jī)處理、網(wǎng)絡(luò)通信等現(xiàn)代技術(shù)裝備的發(fā)展，海面船舶管理日趨智能化和 自動(dòng)化，研究港口航道管理和船舶控制問題具有巨大的軍用和民用價(jià)值。在船舶航行及港 口船舶監(jiān)控中，紅外成像系統(tǒng)的關(guān)鍵技術(shù)是目標(biāo)的分割，分割精度的提高作為碰撞危險(xiǎn)度 評(píng)估，多目標(biāo)決策，避碰最佳幅度等的前提。由于紅外船舶圖像的海域背景是由真實(shí)場(chǎng)景圖 像和成像干擾構(gòu)成，且紅外圖像成像過程所反映的是熱福射差，對(duì)溫度很敏感，加之周圍環(huán) 境對(duì)熱福射的散射和吸收，紅外圖像中邊緣模糊、紋理細(xì)節(jié)幾乎沒有，其利用信息基本W(wǎng)灰 度為主。因此現(xiàn)有基于活動(dòng)輪廓模型進(jìn)行圖像分割的方法，均難W實(shí)現(xiàn)對(duì)紅外船舶圖像活 動(dòng)輪廓的高精度分割。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明是為了解決現(xiàn)有技術(shù)所存在的上述技術(shù)問題，提供一種可提高分割精度和 速度的自適應(yīng)調(diào)整的紅外船舶圖像活動(dòng)輪廓分割方法。
[0005] 本發(fā)明的技術(shù)解決方案是：一種自適應(yīng)調(diào)整的紅外船舶圖像活動(dòng)輪廓分割方法， 其特征在于按照如下步驟進(jìn)行： 步驟1.建立能量泛函F形式如下：
其中，輯皂關(guān)于船舶圖像J前自適應(yīng)平衡函數(shù);巧是圖像梯度模值；Ω為船舶圖像所在 區(qū)域;g為船舶目標(biāo)的梯度模值；句和嗎是兩個(gè)常數(shù)，分別近似等于輪廓內(nèi)部和輪廓外部的 平均灰度值，其對(duì)應(yīng)的表達(dá)式分別如下：
其中，嫁為迭代步長(zhǎng);div為散度算子； 步驟2:(.)初始化水平集函數(shù)滅起於錢=0; 步驟3.對(duì)紅外圖像進(jìn)行梯度模值的計(jì)算，利用式(3)，計(jì)算權(quán)重函數(shù)心； 步驟4.利用式(2)，分別計(jì)算^，b; 步驟5.利用有限差分法，根據(jù)式(4)更新水平集函數(shù)； 步驟6.使用停止準(zhǔn)則檢查演化曲線是否穩(wěn)定收斂，若穩(wěn)定收斂，則停止迭代；否則，轉(zhuǎn) 入步驟3;所述停止準(zhǔn)則是演化曲線趨近目標(biāo)邊界時(shí)，水平集函數(shù)值逐漸變小，當(dāng)?shù)竭_(dá)目標(biāo) 邊界時(shí)，函數(shù)值達(dá)到最小值，停止演化。
[0006] 本發(fā)明是基于全局和局部信息自適應(yīng)調(diào)整的圖像分割活動(dòng)輪廓方法，與現(xiàn)有技術(shù) 相比，具有W下優(yōu)點(diǎn)： 第一，引入的自適應(yīng)平衡函數(shù)，可根據(jù)曲線演化的當(dāng)前狀態(tài)自適應(yīng)調(diào)整權(quán)重信息控制 演化的總體演化趨勢(shì)。而且，區(qū)域信息保證模型對(duì)于噪聲和弱邊緣圖像的處理效果，梯度信 息保證了模型對(duì)復(fù)雜背景區(qū)域的目標(biāo)分割精度。
[0007] 第二，模型在演化過程中通過使用凸度函數(shù)的方法自動(dòng)選取闊值，避免了人工選 取而引起的分割錯(cuò)誤問題:選取T過大，可能會(huì)發(fā)生邊緣泄露現(xiàn)象，使邊緣檢測(cè)不夠精確;反 之，選取T過小，將會(huì)使模型對(duì)噪聲過于敏感。
[000引通過對(duì)多種類型紅外船舶圖像分割的仿真實(shí)驗(yàn)表明，本發(fā)明具有分割精度高、速 度快和對(duì)初始輪廓曲線位置及圖像噪聲具有魯棒性的特點(diǎn)。
【附圖說明】
[0009]圖1為本發(fā)明實(shí)施例1R船舶測(cè)試圖像。
[0010]圖2為本發(fā)明實(shí)施例圖翩試圖像的梯度模值統(tǒng)計(jì)圖。
[0011] 圖3為本發(fā)明實(shí)施例自適應(yīng)權(quán)值函數(shù)的表示示意圖。
[0012] 圖4為本發(fā)明實(shí)施例模型進(jìn)行IR船舶分割的曲線演化過程示意圖。
[0013] 圖5為本發(fā)明實(shí)施例模型進(jìn)行夜間環(huán)境下弱邊緣的IR船舶分割的結(jié)果圖。
[0014] 圖6為本發(fā)明實(shí)施例模型進(jìn)行復(fù)雜環(huán)境下的IR船舶分割的結(jié)果圖。
[0015] 圖7為本發(fā)明實(shí)施例模型進(jìn)行多個(gè)IR船舶分割的結(jié)果圖。
[0016] 圖8為本發(fā)明實(shí)施例模型與其它模型的性能比較示意圖。
【具體實(shí)施方式】
[0017] 自適應(yīng)調(diào)整的紅外船舶圖像活動(dòng)輪廓分割方法，按照如下步驟進(jìn)行： 步驟1.建立能量泛函F形式如下：
其中，是關(guān)于船舶圖像1的自適應(yīng)平衡函數(shù);閥是圖像梯度模值；Ω為船舶圖像所在 區(qū)域;g為船舶目標(biāo)的梯度模值;詩日^是兩個(gè)常數(shù)，分別近似等于輪廓內(nèi)部和輪廓外部的平 均灰度值，其對(duì)應(yīng)的表達(dá)式分別如下：
其中，激為迭代步長(zhǎng);div為散度算子； 步驟2:(.)初始化水平集函數(shù)奪C玄讀，轉(zhuǎn)二巧； 步驟3.對(duì)紅外圖像進(jìn)行梯度模值的計(jì)算，利用式(3)，計(jì)算權(quán)重函數(shù) 步驟4.利用式(2)，分別計(jì)算*^，^ ; 步驟5.利用有限差分法，根據(jù)式(4)更新水平集函數(shù)； 步驟6.使用停止準(zhǔn)則檢查演化曲線是否穩(wěn)定收斂，若穩(wěn)定收斂，則停止迭代；否則，轉(zhuǎn) 入步驟3;所述停止準(zhǔn)則是演化曲線趨近目標(biāo)邊界時(shí)，水平集函數(shù)值逐漸變小，當(dāng)?shù)竭_(dá)目標(biāo) 邊界時(shí)，函數(shù)值達(dá)到最小值，停止演化。
[0018] 本發(fā)明實(shí)施例1R船舶測(cè)試圖像如圖1所示。
[0019] 本發(fā)明實(shí)施例的圖1測(cè)試圖像的梯度模值統(tǒng)計(jì)圖如圖2所示。
[0020] 本發(fā)明實(shí)施例自適應(yīng)權(quán)值函數(shù)的表示示意圖如圖3所示。
[0021] 本發(fā)明實(shí)施例模型進(jìn)行IR船舶分割的曲線演化過程示意圖如圖4所示。
[0022] 本發(fā)明實(shí)施例模型進(jìn)行夜間環(huán)境下弱邊緣IR船舶分割的結(jié)果如圖5所示。
[0023] 本發(fā)明實(shí)施例模型進(jìn)行復(fù)雜環(huán)境下IR船舶分割的結(jié)果如圖6所示。
[0024] 本發(fā)明實(shí)施例模型進(jìn)行多個(gè)IR船舶分割的結(jié)果如圖7所示。
[0025] 本發(fā)明實(shí)施例模型與其它模型的性能比較如圖8所示，結(jié)果表示:本發(fā)明實(shí)施例可 W很好地進(jìn)行紅外船舶圖像的分割操作，證明了本方面分割精度高、速度快和對(duì)初始輪廓 曲線位置及圖像噪聲具有魯棒性等特點(diǎn)。
【主權(quán)項(xiàng)】
1. 一種自適應(yīng)調(diào)整的紅外船舶圖像活動(dòng)輪廓分割方法，其特征在于按照如下步驟進(jìn) 行： 步驟1.建立能量泛函F形式如下：其中，是關(guān)于船舶圖像J:的自適應(yīng)平衡函數(shù);網(wǎng)是圖像梯度模值；Ω為船舶圖像所在 區(qū)域;g為船舶目標(biāo)的梯度模值；4和1^是兩個(gè)常數(shù)，分別近似等于輪廓內(nèi)部和輪廓外部的 平均灰度值，其對(duì)應(yīng)的表達(dá)式分別如下：其中Η為Heaviside函數(shù);模型中自適應(yīng)平衡函數(shù)〇的選取如下：(3) 其中閾值T通過凸度分析的方法自動(dòng)獲?。? 進(jìn)一步由Euler-Lagrange方程，可得到模型（1)的水平演化方程：其中，為迭代步長(zhǎng);div為散度算子； 步驟2: (·)初始化水平集函數(shù)= 〇 ; 步驟3.對(duì)紅外圖像進(jìn)行梯度模值的計(jì)算，利用式(3)，計(jì)算權(quán)重函數(shù)^; 步驟4.利用式(2)，分別計(jì)算4, 步驟5.利用有限差分法，根據(jù)式(4)更新水平集函數(shù)； 步驟6 .使用停止準(zhǔn)則檢查演化曲線是否穩(wěn)定收斂，若穩(wěn)定收斂，則停止迭代；否則，轉(zhuǎn) 入步驟3;所述停止準(zhǔn)則是演化曲線趨近目標(biāo)邊界時(shí)，水平集函數(shù)值逐漸變小，當(dāng)?shù)竭_(dá)目標(biāo) 邊界時(shí)，函數(shù)值達(dá)到最小值，停止演化。
【專利摘要】本發(fā)明提供一種可提高分割精度和速度的自適應(yīng)調(diào)整的紅外船舶圖像活動(dòng)輪廓分割方法，定義了一個(gè)自適應(yīng)平衡函數(shù)，能夠根據(jù)圖像自身特性自動(dòng)調(diào)整各部分的權(quán)重，進(jìn)而驅(qū)動(dòng)曲線演化，保證了模型的精確計(jì)算和平穩(wěn)演化；在權(quán)重函數(shù)中，加入了凸度函數(shù)的分析過程，自適應(yīng)的確定平衡函數(shù)中的閾值，增加了分割模型的精度。
【IPC分類】G06T7/00
【公開號(hào)】CN105631856
【申請(qǐng)?zhí)枴緾N201510945866
【發(fā)明人】方玲玲, 王相海
【申請(qǐng)人】遼寧師范大學(xué)
【公開日】2016年6月1日
【申請(qǐng)日】2015年12月16日