技術(shù)特征：

1.一種紅外圖像序列顯著性檢測(cè)方法，其特征在于，包括如下步驟：

(A)采用一種基于交互一致性引導(dǎo)的空間信息融合方法提取每幀紅外圖像的亮度和輪廓特征，并計(jì)算空域顯著性S^t；

(B)設(shè)計(jì)一種多幀對(duì)稱差分算法提取紅外序列的運(yùn)動(dòng)信息，并計(jì)算該幀圖像的時(shí)域顯著性T^t；

(C)設(shè)計(jì)一種自適應(yīng)融合策略，將空域顯著性S^t和時(shí)域顯著性T^t相結(jié)合；

(D)提出一種多尺度融合方法，嵌入到時(shí)-空顯著性模型里，得到多尺度時(shí)-空顯著性圖

(E)基于格式塔理論對(duì)多尺度時(shí)-空顯著性圖進(jìn)行優(yōu)化，具體步驟為：

設(shè)l是多尺度時(shí)-空顯著性圖上的一個(gè)元素，Ω_N是它的一個(gè)鄰域，通過(guò)下式計(jì)算得到改進(jìn)后的時(shí)-空顯著性圖：

${\mathrm{EST}}^t\left(l\right)=\underset{p\∈{\mathrm{\Ω}}_N}{\mathrm{\Σ}}k\left(\right|\left|\frac{l-p}{h_k}\right|{|}^2){\stackrel{\‾}{ST}}^t\left(p\right);$

其中，為加權(quán)核函數(shù)。

2.根據(jù)權(quán)利要求1所述的新的紅外圖像序列顯著性檢測(cè)方法，其特征在于，步驟(A)包括：

(A1)基于亮度對(duì)比度的顯著性計(jì)算；

首先，針對(duì)紅外圖像序列的第t幀圖像I^t，計(jì)算位置l處的亮度對(duì)比度顯著性

${\tilde{S}}_L^t\left(l\right)=|\frac{1}{N_c}\underset{p\∈{\mathrm{\Ω}}_c}{\mathrm{\Σ}}{I}^t\left(p\right)-\frac{1}{N_s}\underset{q\∈{\mathrm{\Ω}}_s}{\mathrm{\Σ}}{I}^t\left(q\right)|$

其中，Ω_c是l的鄰域，Ω_s是l周圍的環(huán)形區(qū)域；

其次，設(shè)計(jì)校正函數(shù)f(α)＝|α|^γ控制對(duì)比度增益，γ為常數(shù)且γ≥1，得到：

$S_L^t\left(l\right)=f\left({\tilde{S}}_L^t\right(l\left)\right)={|\frac{1}{N_c}\underset{p\∈{\mathrm{\Ω}}_c}{\mathrm{\Σ}}{I}^t\left(p\right)-\frac{1}{N_s}\underset{q\∈{\mathrm{\Ω}}_s}{\mathrm{\Σ}}{I}^t\left(q\right)|}^{\mathrm{\γ}};$

(A2)基于輪廓的顯著性計(jì)算；

首先，針對(duì)紅外圖像序列的第t幀圖像I^t，計(jì)算梯度幅度G^t；

其次，采用上述校正函數(shù)對(duì)梯度幅度G^t進(jìn)行改進(jìn)，得到改進(jìn)后的輪廓顯著性圖：

$S_C^t\left(l\right)=f\left(G^t\right(l\left)\right)={\left|G^t\left(l\right)\right|}^{\mathrm{\λ}};$

(A3)基于交互一致性的空域顯著性融合；

首先，通過(guò)上述兩步得到原始紅外圖像亮度對(duì)比度顯著性圖和輪廓顯著性圖后，計(jì)算其交互一致性：

$P_L^t=\frac{\underset{l}{\mathrm{\Σ}}\[S_L^t\left(l\right)\·S_C^t\left(l\right)\]}{\underset{l}{\mathrm{\Σ}}\[S_L^t\left(l\right)\]},P_C^t=\frac{\underset{l}{\mathrm{\Σ}}\[S_L^t\left(l\right)\·S_C^t\left(l\right)\]}{\underset{l}{\mathrm{\Σ}}\[S_C^t\left(l\right)\]};$

其中，是相對(duì)于的一致性；是相對(duì)于的一致性；

其次，根據(jù)一致性，分別計(jì)算和的融合權(quán)值：

${\mathrm{\ω}}_L^t=\frac{P_L^t}{P_L^t+P_C^t},{\mathrm{\ω}}_C^t=\frac{P_C^t}{P_L^t+P_C^t};$

其中，和滿足

第三，根據(jù)權(quán)值，將和進(jìn)行融合，得到融合后的空域顯著性：

$S^t={\mathrm{\ω}}_L^t\·S_L^t+{\mathrm{\ω}}_C^t\·S_C^t.$

3.根據(jù)權(quán)利要求1所述的紅外圖像序列顯著性檢測(cè)方法，其特征在于，步驟(B)包括：

(B1)計(jì)算紅外視頻序列第t幀圖像I^t和第t-1幀圖像I^t-1的幀間差分：

V^t,t-1＝|I^t-I^t-1|；

(B2)對(duì)于一個(gè)紅外視頻序列，將幀間差分V^t,t-1看做連續(xù)兩幀之間的變化區(qū)域，將視頻中的運(yùn)行目標(biāo)定義為T，則V^t,t-1又表示為連續(xù)兩幀中運(yùn)動(dòng)目標(biāo)的合并；假設(shè)T^t是t時(shí)刻的運(yùn)動(dòng)目標(biāo)，則V^t,t-1為：

V^t,t-1＝T^t∪T^t-1；

(B3)將由上式計(jì)算得到的兩個(gè)連續(xù)變化區(qū)域的交疊看做運(yùn)動(dòng)目標(biāo)：

V^t,t-1∩V^t,t+1＝(T^t∪T^t-1)∩(T^t∪T^t+1)＝T^t；

(B4)由公式V^t,t-1＝|I^t-I^t-1|和V^t,t-¹∩V^t,t+¹＝(T^t∪T^t-¹)∩(T^t∪T^t+¹)＝T^t得運(yùn)動(dòng)目標(biāo)T^t為：

T^t＝|I^t-I^t-1|∩|I^t-I^t+1|；

(B5)對(duì)上述以對(duì)稱差分結(jié)果表示的運(yùn)動(dòng)目標(biāo)T^t進(jìn)行修改，得到改進(jìn)后的顯著性運(yùn)動(dòng)目標(biāo)T^t：

$T^t=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\left|I^t-I^{t-i}\right|\∩\left|I^t-I^{t+i}\right|;$

該多幀對(duì)稱差分結(jié)果T^t即時(shí)域顯著性。

4.根據(jù)權(quán)利要求1所述的紅外圖像序列顯著性檢測(cè)方法，其特征在于：

首先，定義一個(gè)用于識(shí)別不同類型的運(yùn)動(dòng)的測(cè)量標(biāo)準(zhǔn)M：

$M=T_{\mathrm{\μ}}^t+c\·T_{\mathrm{\σ}}^t;$

其中，和分別表示T^t的均值和標(biāo)準(zhǔn)差；c是預(yù)定義參數(shù)，c∈(0.5,1)；

其次，將空域顯著性S^t和時(shí)域顯著性T^t通過(guò)如下公式進(jìn)行自適應(yīng)融合：

${\mathrm{ST}}^t\left(l\right)=\left\{\begin{array}{cc}\max \left(S^t\right(l),T^t(l\left)\right),& \begin{array}{cc}if& T^t\left(l\right)\≥M\end{array}\\ \max \left(S^t\right(l),M),& \begin{array}{cc}if& 0\<T^t\left(l\right)\<M\end{array}\\ 0,& otherwise\end{array}\right..$

5.根據(jù)權(quán)利要求1所述的紅外圖像序列顯著性檢測(cè)方法，其特征在于，步驟(D)包括：

(D1)計(jì)算不同尺度下的時(shí)-空顯著性圖其中r∈R表示尺度因子，R為{1,0.7,0.4}；

(D2)將不同尺度下求得的時(shí)-空顯著性圖進(jìn)行融合，得到多尺度時(shí)-空顯著性圖：

${\stackrel{\‾}{ST}}^t=C\underset{r\∈R}{\mathrm{\Σ}}{r}^2\·{\mathrm{ST}}_r^t;$

其中，C＝[∑_r∈Rr²]^-1為歸一化因子。