1、隨著紅外成像器件的發(fā)展,紅外圖像越來越多地用于目標(biāo)檢測、識別等各個領(lǐng)域,包括運(yùn)動目標(biāo)的識別與跟蹤等.序列圖像中運(yùn)動物體的檢測與分析是利用序列圖像的時間和空間相關(guān)性將運(yùn)動物體從靜止場景中分離出來并進(jìn)行動態(tài)分析的過程.圖像光流的計算不需要在圖像序列中建立特征之間的對應(yīng)關(guān)系,因此光流法在計算機(jī)視覺的眾多領(lǐng)域,包括運(yùn)動物體的檢測和動態(tài)分析方面都有廣泛的應(yīng)用.一般地,紅外圖像具有較大的隨機(jī)噪聲和非均勻性干擾,而傳統(tǒng)的光流法是基于圖像強(qiáng)度數(shù)據(jù)的,因

2、此光流法很少用于紅外圖像中目標(biāo)的檢測與分析.我們充分結(jié)合紅外序列圖像和光流場模型的優(yōu)點(diǎn),提出一種有監(jiān)督學(xué)習(xí)的基于幀間圖像差異顯著性檢驗(yàn)和最小代價貝葉斯判別準(zhǔn)則的運(yùn)動目標(biāo)檢測算法.該算法針對獲取檢測門限的困難和隨意性,通過人工參與學(xué)習(xí),依據(jù)最小代價貝葉斯判別準(zhǔn)則,求出一個運(yùn)動區(qū)域分割門限,并將這個門限用于后續(xù)圖像中運(yùn)動區(qū)域的檢測.另外,還進(jìn)一步在運(yùn)動區(qū)域預(yù)檢驗(yàn)的基礎(chǔ)上,對運(yùn)動區(qū)域進(jìn)行區(qū)域標(biāo)記、局部分割等處理,從而實(shí)現(xiàn)了運(yùn)動目標(biāo)的檢測,取得