甘守飞

宿州学院信息工程学院，安徽宿州,234000

红外成像技术具有作用距离远、可全天候工作和抗干扰性好等优点，在军用和民用领域均得到了广泛的应用。从红外影像中自动检测出目标是众多应用中极其重要的一个，受到诸多学者的关注[1-4]。但红外影像受到成像距离远、背景复杂以及噪声干扰等因素的影响，图像的信噪比往往较低，因此从红外图像中检测出目标具有一定的难度，尤其当场景较为复杂、目标较多且图像噪声较大时，很容易造成目标较高的漏警和虚警。

目前的算法多集中于借助分割算法和滤波算法实现对目标的提取。在红外影像噪声较多的情况下，这种方式提取的结果往往是离散点并且具有较多的虚警目标。典型的提取算法一般为阈值分割算法，如OTSU、改进OTSU[1]以及基于图划分理论的阈值分割技术[2]。这些阈值分割技术一般采用一定的策略寻找阈值，将待分割区域分为目标区域和背景区域两大类。考虑到阈值的唯一性，这些方法往往是全局搜索方法，容易在复杂场景下造成错分，如由于探测器受环境影响导致目标在直方图上呈现双极性时，会使算法失效[3]；另一方面在噪声干扰下，目前的分割算法容易造成虚警。

针对上述问题，本文借鉴计算机视觉中对比显著性分析的相关策略和思路，首先通过模糊C均值(Classical fuzzy C-means，FCM)[5-7]聚类对图像进行聚类分析，然后对图像进行联通分析得到初始的分割对象，在此基础上计算每个分割片段在视觉上的突出程度，包括基于对象对比度的唯一性指标和空间聚集性指标。……