利用人眼视觉特性的图像结构差异性杂波度量

徐德江; 史泽林; 罗海波

利用人眼视觉特性的图像结构差异性杂波度量

徐德江^1,2,3,4,
史泽林^2,3,4,
罗海波^2,3,4

1.
中国科学院大学,北京100049;
2.
中国科学院沈阳自动化研究所,辽宁沈阳110016;
3.
中国科学院光电信息处理重点实验室,辽宁沈阳110016;
4.
辽宁省图像理解与视觉计算重点实验室,辽宁沈阳110016

详细信息

作者简介:
徐德江（1985- ），男，博士生，主要从事目标获取性能建模、图像增强与表征方面的研究。Email：djxu@sia.cn；史泽林（1965- ），男，研究员，博士生导师，博士，主要从事光电成像、光电跟踪、图像处理、目标识别方面的研究。Email：zlshi@sia.cn

徐德江（1985- ），男，博士生，主要从事目标获取性能建模、图像增强与表征方面的研究。Email：djxu@sia.cn；史泽林（1965- ），男，研究员，博士生导师，博士，主要从事光电成像、光电跟踪、图像处理、目标识别方面的研究。Email：zlshi@sia.cn

中图分类号: TP391.4

Image structural difference clutter metric based on human visual properties

Xu Dejiang^1,2,3,4,
Shi Zelin^2,3,4,
Luo Haibo^2,3,4

1.
University of Chinese Academy of Sciences,Beijing 100049,China;
2.
Shenyang Institute of Automation,Chinese Academy of Sciences,Shenyang 110016,China;
3.
Key Laboratory of Optical-Electronics Information Processing,Chinese Academy of Science,Shenyang 110016,China;
4.
Key Laboratory of Image Understanding and Computer Vision,Shenyang 110016,China

摘要: 针对光电图像杂波效应对目标获取性能的影响，提出一种基于人眼视觉特性的图像结构差异性杂波度量。依据人眼对图像结构的高度自适应性以及图像质量评估领域广泛认可的图像结构的定义方法，计算目标和杂波的结构相似性；并根据人眼的视觉显著性原理，给出两种适用于结构相似性的显著性加权信息度量。采用外场实验对该杂波度量的合理性进行验证，得出基于该杂波度量的目标预测性能与外场目标获取性能，在均方根误差、相关性方面都优于现有的杂波度量的预测性能。
- 图像杂波度量 /
- 结构差异性 /
- 视觉显著性度量 /
- 目标获取性能
Abstract: Optoelectronic image clutter is seriously affecting target acquisition performance, in this paper, an image structural difference clutter metric based on human visual properties was proposed for quantifying background clutter. On the basis of high adaptability of human visual perception in extracting image structural information, a structural similarity measuring map was calculated between the target and clutter images according to the widely accepted definition of the structural-similarity (SSIM) index in the field of image quality assessment(IQA). And then, based on human vision saliency, two kinds of suitable saliency information weighting measures were developed to pool the structural similarity measuring map into a metric. The metric was tested in an outfield experiment provided by TNO Human Factors Research Institute of Netherlands. Comparative experiments demonstrate that this metric makes an improvement in RMS error and correlation than previously proposed image clutter metrics in predicting target acquisition performances including detection probabilities and false alarm probabilities.
- image clutter metric /
- structural difference /
- vision saliency metric /
- target acquisition performance

[1]	Wilson D L. Image-based contrast-to-clutter modeling of detection [J]. Opt Eng, 2001, 40(9): 1852-1857.
[2]
[3]
[4]	Schmieder D E, Weathersby M R. Detection performance in clutter with variable resolution [J]. IEEE Transactions on Aerospace and Electronic Systems, 1983, 19(4): 622-630.
[5]
[6]	Aviram G, Rotman S R. Evaluation of human detection performance of targets embedded in natural and enhanced infrared images using image metrics[J]. Opt Eng, 2000, 39(4): 885-896.
[7]	Biberman Lucien M. Electro-optical imaging system performance and modeling[C]//SPIE, 2000, 28: 1-21.
[8]
[9]
[10]	Rotmam S R, Hsu D, Cohen A, et al. Texture metrics for clutter affecting human target acquisition [J]. Infrared Physics and Technology, 1996, 37(4): 667-674.
[11]	Chang Honghua, Zhang Jianqi. New metrics for clutter affecting human target acquisition[J]. IEEE Transactions on Aerospace and Electronic Systems, 2006, 42(1): 361-368.
[12]
[13]	Reynolds William R. Toward quantifying infrared clutter[C]//SPIE, 1990, 1311: 232.
[14]
[15]
[16]	Zhou Wang, Bovik A C, Sheikh H R, et al. Image quality assessment: from error visibility to structural similarity [J]. IEEE Transactions on Image Processing, 2004, 13(4): 600-612.
[17]
[18]	Koch C, Ullman S. Shifts in selective visual attention: towards the underlying neural circuitry [J]. Human Neurobiology, 1985, 4: 219-227.
[19]	Koch Itti L C, Niebur E. A model of saliency-based visual-attention for rapid scene analysis[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1998, 20: 1254-1259.
[20]
[21]
[22]	Zhang Lin, Zhang Lei, Mou X, et al. FSIM: A feature similarity index for image quality assessment[J]. IEEE Trans Image Processing, 2011, 20(8): 2378-2386.
[23]
[24]	Walther D, Koch C. Modeling attention to salient proto-objects[J]. Neural Networks, 2006, 19: 1395-1407.
[25]
[26]	Toet A, Bijl P, Valeton J M. Image dataset for testing search and deletion models[J]. Opt Eng, 2001, 40: 1760-1767.
[27]	Chang Honghua, Zhang Jianqi, Liu Delian. Modeling human false alarms using clutter metrics[C]//SPIE, 2007, 6786: 67863.

[1]	辛磊, 杨忠明, 孟君, 刘兆军. 基于损伤程度量化评估的光学薄膜元件激光损伤阈值测量方法 . 红外与激光工程, 2024, 53(3): 20230614-1-20230614-10. doi: 10.3788/IRLA20230614
[2]	肖智茹, 牛青林, 王振华, 董士奎. 来流导致的火箭发动机喷焰红外辐射强度不确定度量化分析 . 红外与激光工程, 2023, 52(4): 20220621-1-20220621-10. doi: 10.3788/IRLA20220621
[3]	王向军, 李名洋, 王霖, 刘峰, 王玮. 边缘信息引导多级尺度特征融合的显著性目标检测方法 . 红外与激光工程, 2023, 52(1): 20220344-1-20220344-10. doi: 10.3788/IRLA20220344
[4]	张竞文, 李丽圆, 李潇雁, 苏晓锋, 胡亭亮, 陈凡胜. 基于动态开窗的快速运动目标信息获取方法 . 红外与激光工程, 2022, 51(3): 20210164-1-20210164-9. doi: 10.3788/IRLA20210164
[5]	李奕铎, 郭子博, 刘凯, 孙逍遥. 基于误差限制的神经网络混合精度量化方法（特邀） . 红外与激光工程, 2022, 51(4): 20220166-1-20220166-8. doi: 10.3788/IRLA20220166
[6]	陈世琼. 基于非线性抗噪声估计的视觉显著性弱小目标检测 . 红外与激光工程, 2022, 51(9): 20210939-1-20210939-6. doi: 10.3788/IRLA20210939
[7]	苗锡奎, 张岩岫, 张恒伟, 刘小虎, 邹前进. 基于方向选择性机制的图像背景杂波建模方法 . 红外与激光工程, 2022, 51(6): 20210532-1-20210532-11. doi: 10.3788/IRLA20210532
[8]	孙俊灵, 马鹏阁, 庞栋栋, 金秋春, 陈新永, 单涛, 陶然. 机载平台动态杂波背景下多脉冲激光距离扩展目标回波滤波算法研究 . 红外与激光工程, 2021, 50(3): 20200449-1-20200449-7. doi: 10.3788/IRLA20200449
[9]	杨子龙, 朱付平, 田金文, 田甜. 基于显著性与稠密光流的红外船只烟幕检测方法研究 . 红外与激光工程, 2021, 50(7): 20200496-1-20200496-8. doi: 10.3788/IRLA20200496
[10]	蒋国清, 万烂军. 基于最恰对比度显著性分析的红外弱小目标检测方法 . 红外与激光工程, 2021, 50(4): 20200377-1-20200377-8. doi: 10.3788/IRLA20200377
[11]	何泽阳, 邓慧萍, 向森, 吴谨. 融合一致性与差异性约束的光场深度估计 . 红外与激光工程, 2021, 50(11): 20210021-1-20210021-11. doi: 10.3788/IRLA20210021
[12]	牛得清, 伍友利, 徐洋, 许瑞. 点源红外诱饵干扰下环境复杂度量化建模 . 红外与激光工程, 2020, 49(2): 0204003-0204003. doi: 10.3788/IRLA202049.0204003
[13]	冯发杰, 丁亚洲, 吏军平, 黄星北, 刘欣怡. 使用显著性划分的机载激光雷达点云滤波 . 红外与激光工程, 2020, 49(8): 20190439-1-20190439-9. doi: 10.3788/IRLA20190439
[14]	齐楠楠, 姜鹏飞, 李彦胜, 谭毅华. 基于视觉显著性和目标置信度的红外车辆检测技术 . 红外与激光工程, 2017, 46(6): 604005-0604005(9). doi: 10.3788/IRLA201746.0604005
[15]	龚勇, 王茜蒨, 单斌, 李晓阳, 彭中. 激光目标模拟器逼真度量化评估方案 . 红外与激光工程, 2016, 45(12): 1206012-1206012(6). doi: 10.3788/IRLA201645.1206012
[16]	杨蔚, 顾国华, 陈钱, 周骁俊, 徐富元. 穆勒矩阵图像的获取及处理 . 红外与激光工程, 2015, 44(12): 3831-3836.
[17]	李志军, 刘松林, 牛照东, 陈曾平. 基于梯度相位和显著性约束的Hausdorff 距离模板匹配方法 . 红外与激光工程, 2015, 44(2): 775-780.
[18]	孙照蕾, 惠斌, 秦莫凡, 常铮, 罗海波, 夏仁波. 红外图像显著目标检测算法 . 红外与激光工程, 2015, 44(9): 2633-2637.
[19]	彭志勇, 王向军, 卢进. 窗口热辐射下基于视觉显著性的红外目标检测方法 . 红外与激光工程, 2014, 43(6): 1772-1776.
[20]	纪超, 刘慧英, 邵刚, 孙景峰. 基于生物激励计算模型在图像显著性提取中的研 . 红外与激光工程, 2013, 42(3): 823-828.

点击查看大图

计量

文章访问数: 289
HTML全文浏览量: 57
PDF下载量: 118
被引次数: 0

姓名
邮箱
手机号码
标题
留言内容
验证码

留言板

利用人眼视觉特性的图像结构差异性杂波度量

Image structural difference clutter metric based on human visual properties

计量

利用人眼视觉特性的图像结构差异性杂波度量

1. 中国科学院大学,北京100049;

2. 中国科学院沈阳自动化研究所,辽宁沈阳110016;

3. 中国科学院光电信息处理重点实验室,辽宁沈阳110016;

4. 辽宁省图像理解与视觉计算重点实验室,辽宁沈阳110016

English Abstract

Image structural difference clutter metric based on human visual properties

全文HTML

目录

留言板

利用人眼视觉特性的图像结构差异性杂波度量

Image structural difference clutter metric based on human visual properties

计量

出版历程

利用人眼视觉特性的图像结构差异性杂波度量

1. 中国科学院大学,北京100049; 2. 中国科学院沈阳自动化研究所,辽宁沈阳110016; 3. 中国科学院光电信息处理重点实验室,辽宁沈阳110016; 4. 辽宁省图像理解与视觉计算重点实验室,辽宁沈阳110016

English Abstract

Image structural difference clutter metric based on human visual properties

全文HTML

目录

1. 中国科学院大学,北京100049;

2. 中国科学院沈阳自动化研究所,辽宁沈阳110016;

3. 中国科学院光电信息处理重点实验室,辽宁沈阳110016;

4. 辽宁省图像理解与视觉计算重点实验室,辽宁沈阳110016