红外目标检测正儿八经篇—-算法

计算机视觉 处理 —》海上目标检测

让你看的懂的视觉注意力模型，让你会用的目标检测方法
不多说-------------------------------------------------------------------------------------------
方法的流程图献上：

不多扯*******************************************************************************
方法的关键步骤呈上：
第1步：将原图像划分为相同尺寸的块区域，并计算各块区域内的灰度标准差。
第2步：对原始红外海面图像进行高斯滤波以及步长为2的下采样操作，构造8层灰度高斯金字塔。若背景平滑度指标SV小于预定阈值，则以该灰度高斯金字塔为特征金字塔进行后续操作；若背景平滑度指标SV超过预定阈值，则对灰度金字塔每层图像进行Gabor滤波，从而构造方向金字塔，并以此作为特征金字塔进行后续操作。
第3步：用center-surround算子对特征金字塔每层图像进行处理，处理结果归一化后生成特征图像。
第4步：将所有特征图像调整到同一尺寸后进行叠加操作，然后再次利用归一化算子进行归一化处理，将图像的动态范围调整到0~1之间，得到最终的显著图。
第5步：依据最终显著图中不同区域的显著性的局部奇异性大小进行二值化处理以提取最终目标.
第6步：将阈值化处理后保留下来的极值点作为目标的种子点，并参考原始显著图进行区域生长，处理后的结果即为最终单帧检测结果。
不用问。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。
步骤的第5步你没懂，第五步详细方案怼上：
（1）获取显著图中各个8连通域内的极大值及其对应坐标信息；
（2）创建一幅空图像，在各连通域内极大值的对应坐标处填充以对应的极大值，利用创建后的新图像作为后续处理对象；
（3）按照由左上角到右下角的Z字形路径依次处理各极大值，以某极大值为例，计算该极大值在以自身为中心、以R为半径的圆盘状区域内，相比较于该区域内其他极大值的奇异性。
（4）然后对当前中心极大值进行重新设定。
（5）对极大值图中各极大值进行上述调整之后，所有极大值进行二值化处理。
不敢说—————————————————————————————————
感觉有必要简洁明了的介绍一下理论，包你看完就懂：
觉注意力模型是以人类的视觉感知系统为基础所构建的计算机模型，该模型通过模拟人眼在观察某一特定场景时对场景内奇异性信息的处理过程，实现对图像中感兴趣区域的成功关注。
现代生理学和心理学在视觉方面的研究成果表明人类视觉过程表现为一个自底向上和自顶向下相结合的穿行过程。其中自底向上的过程属于人类的早期视觉过程，与图像的具体内容无关，取决于构成图像元素自身引起的视觉反差，反差越大的区域就越容易吸引视觉系统的注意，即显著区域。而实际计算机图像目标搜索和检测应用中，目标所在区域一般也是容易引起视觉注意的显著区域，因此，通过应用视觉注意力模型可以实现目标检测。
基于视觉注意力模型的目标检测处理过程一般分为三步：特征图提取、显著图合成和显著性区域提取。首先，分别提取图像的某特征通道，如亮度、方向、颜色等，然后对各通道的原始图像分别生成高斯金字塔，后利用center-surround算子进行局部视觉反差计算，之后通过归一化处理对不同尺度的反差计算结果进行融合，得到最终的视觉显著图。通过对显著图的阈值化处理，实现最终的显著性区域（即目标）的提取。

**感兴趣—》可以留言给我
—》戳我微博