本方案属于计算机视觉领域，涉及显著目标检测、光学遥感图像检测领域，具体为一种基于视觉注意机制与格式塔理论的光学遥感图像目标显著性检测方法。
背景技术：
1、随着近年来深度学习、神经网络的飞速发展，计算机视觉领域实现了前所未有的跨越，目标显著性检测作为计算机视觉领域中的一个经典大类，受到广泛地研究和探讨。具体而言，目标显著性检测是指提取图像等信息载体中重要的、人类感兴趣的、非背景的区域，进而输出每个像素的显著性值，其常被应用于目标检测、图像检索、图像分类以及图像分割等技术中。
2、现阶段，业内陆续出现了很多针对目标显著性检测的算法，这些算法大体可以分为自底向上的数据驱动方法和自顶向下的任务驱动方法两类。其中，由于任务驱动方法大多属于基于学习的方法，伴随着机器学习技术在计算机视觉领域的逐步应用，这类方法也展现出不俗的性能并取得了一定的成果。
3、但是遍观上述两类方法，目前得到快速发展的诸多目标显著性检测方案，基本都只针对于自然场景图像，仅有少数研究聚焦于对光学遥感图像进行目标显著性检测。不同于自然场景图像，光学遥感图像的目标显著性检测存在覆盖范围广、图像尺度和方向多样、背景复杂等特点。因此直接将针对自然场景图像的目标显著性检测方案转用于光学遥感图像时，往往达不到理想的效果。再者，在诸多的现有技术方案中，目标显著性检测仅通过对所提取的物体形状、颜色等二维信息进行简单的线性融合得到检测结果，对于从图像中所提取的多类型特征都会直接进行简单的线性组合，这一点显然是不合理的，其方案的检测精度存疑。
4、为此，研究人员也开始尝试将与人类信息获取相关的各类心理学研究成果融入到目标显著性检测的方案中。视觉注意机制是利用所获得的视觉信息进行注意选择的一种心理现象，即通过对场景中相对不重要的信息进行过滤而得到所要关注的部分，实现复杂场景简单化。显然，视觉注意机制能够帮助实现图像局部显著特征的提取。另外，格式塔心理学中也存在涉及对于人类视觉理解及外部感知的相关研究，格式塔理论中的相似性法则、接近性法则、主体与背景原理法则等均有助于增强视觉注意机制的应用效果。
5、综上所述，如何提出一种全新的、针对光学遥感图像的目标显著性检测方法，结合视觉注意机制与格式塔理论，以解决现有的目标显著性检测方案在处理光学遥感图像时普遍存在的特征提取不足、受复杂背景信息干扰严重等问题，实现对各空间显著性图的自适应融合，显著提升针对光学遥感图像的目标显著性检测精度，也就成为了本领域内技术人员亟待解决的问题。
技术实现思路
1、为了解决现有的目标显著性检测方法在处理光学遥感图像时普遍存在的特征提取不足、受复杂背景信息干扰严重等问题，本方案提供了一种基于视觉注意机制与格式塔理论的光学遥感图像目标显著性检测方法。
2、一种光学遥感图像目标显著性检测方法，包括如下步骤：
3、s1、使用预先构建的扩散传导方程模型建立图像非线性尺度空间，在所述图像非线性尺度空间中对所获取的原始检测图像进行非线性尺度分解、得到若干个图像层，每个所述图像层中包含若干个图像块；
4、s2、使用所选定的特征对所述图像非线性尺度空间进行特征提取，依据特征提取结果逐一计算每个所述图像块中每种特征的显著值，依据显著值计算结果得到多张特征显著图；
5、s3、使用聚类算法将所述原始检测图像分割成若干个像素块，依据所述显著值计算结果确定显著中心，依据格式塔理论中的相似性法则，通过每个所述像素块整体及其中每个像素与所述显著中心的相似度确定各张所述特征显著图的权值，最终汇总生成空间显著图。
6、通过采用上述技术方案，利用空间显著性特征及格式塔理论中的相似性准则，从全局水平上提取了区域的目标先验，使得整个检测流程更符合视觉注意过程。
7、优选地，s1中所述扩散传导方程模型的构建，具体包括如下步骤：
8、s11、将图像亮度在不同尺度上的变化视为流动函数的散度，通过非线性扩散方程表示为
9、
10、其中，div表示散度操作符，表示梯度操作符，t表示以时间度量的尺度性，c(x,y,t)为传导函数，
11、
12、其中，表示高斯平滑后的图像的lσ梯度，g()表示扩散系数方程，存在两种表达形式，即优先保留高对比度边缘的g1以及优先保留宽度较大的区域的g2，
13、
14、
15、其中，k表示对比度因子，lσ表示经过标准差为σ的高斯滤波后的图像，σ表示当前的图像空间尺度；
16、s12、构造扩散传导方程模型，函数形式表示为
17、
18、其中，ω为扩散权重、采用以图像空间尺度为因子的调整策略；
19、所述扩散权重的调整策略包括线性递减策略，表示为
20、
21、其中，ωmin为最小权重，ωmax为最大权重，σmax为最大尺度空间，ω设置为从0.9到0.4线性递减。
22、优选地，所述对比度因子k的大小与所保留的图像边缘信息成反比，k取梯度幅值的统计直方图中70％百分位对应的值。
23、优选地，所述扩散权重的调整策略还包括线性微分递减策略，表示为
24、
25、通过上述技术方案，构建出了一个图像非线性尺度空间，并对空间构建过程中的方案细节进行了明确。同时，对于扩散系数方程两种表达形式的限定也进一步丰富了本方案的应用场景、扩展了其适用范围。
26、优选地，s2中所述使用所选定的特征对所述图像非线性尺度空间进行特征提取，依据特征提取结果逐一计算每个所述图像块中每种特征的显著值，具体包括如下步骤：
27、s21、以两种尺度类型及四种方向类型作为特征，对所述图像非线性尺度空间进行contourlet二级分解，分别得到σ1、σ2两个尺度的低频子带和d1、d2、d3、d4四个方向的高频子带；
28、s22、依据特征提取结果逐一计算每个所述图像块中每种特征的显著值，则图像块i中特征f的显著值表示为
29、
30、其中，f∈[σ1,σ2,d1,d2,d3,d4]，σs表示高斯核函数参数、用于平衡局部和全局特征对比度，dij表示图像块i和图像块j之间的欧氏距离，表示图像块i和图像块j之间特征f的差异。
31、优选地，s3中所述使用聚类算法将所述原始检测图像分割成若干个像素块，依据所述显著值计算结果确定显著中心，具体包括如下步骤：
32、s31、使用聚类算法将所述原始检测图像分割成若干个像素块，依据所述显著值计算结果确定显著中心所在的像素块c，表示为
33、
34、其中，1<k<m，qk表示聚类后的第k个像素块，salm,n表示像素(m,n)的显著值，m表示图像总像素个数，l(·)表示qk包含的像素个数。
35、优选地，s3中所述依据格式塔理论中的相似性法则，通过每个所述像素块整体及其中每个像素与所述显著中心的相似度确定各张所述特征显著图的权值，最终汇总生成空间显著图，具体包括如下步骤：
36、s32、计算每个像素块k与显著中心所在的像素块c的相似度rk，表示为
37、
38、计算像素块k中每个像素e与显著中心所在的像素块c中中心像素的相似度wer，表示为
39、
40、其中，e(me,ne)表示像素块qk的像素，像素r(mr,nr)表示显著中心像素块qc的中心，ger表示e，r之间的欧氏距离，α表示常量参数；
41、s33、计算在确定了任一像素与显著中心所在的像素块c中中心像素的相似度w的前提下，该像素为显著像素的概率，表示为
42、
43、其中，α1、α2均表示常量参数；
44、s34、使用概率熵数量化后的结果作为各张所述特征显著图的权值，表示为
45、us＝e(p(s|w))，
46、其中，e(p)是熵函数公式，表示为
47、e(p)＝-p log p-(1-p)log2(1-p)；
48、s35、将各张所述特征显著图的权值进行汇总，最终生成空间显著图，表示为
49、
50、优选地，在s32中，α＝60。
51、优选地，在s33中，α1＝0.3062，α2＝1.2930。
52、通过上述技术方案，将格式塔理论中的相似性法则有效地融入了图像目标显著性检测的过程中，即，计算图像像素和显著中心之间的相似性，若相似性较大，则将该图像像素视为显著像素。融合后的检测过程与人眼视觉特性的图像信息获取过程相近，因此也使得最终的检测结果与人们通常认知的匹配度更高。
53、综上所述，本方案包括以下至少一种有益技术效果：
54、1、本方案结合视觉注意机制与格式塔理论，解决了现有的目标显著性检测方案在处理光学遥感图像时普遍存在的特征提取不足、受复杂背景信息干扰严重等问题，实现了对各空间显著性图的自适应融合，显著地提升了针对光学遥感图像的目标显著性检测精度。
55、2、为了验证本方案的有效性，分别在自然图像ecssd和遥感图像orssd两类显著目标检测数据集上进行了比较实验。实验结果表明本方案能够对不同场景和类别的图像进行准确的目标显著性检测检测；尤其针对于光学遥感图像，本方案与其他现有方法相比优势明显。
56、3、本方案中对于对光学遥感图像中关键要素的提取过程具有一定的普适价值，为视觉注意在光学遥感图像领域的应用提供了参考依据。
1.一种光学遥感图像目标显著性检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的光学遥感图像目标显著性检测方法，其特征在于，s1中所述扩散传导方程模型的构建，具体包括如下步骤：
3.根据权利要求2所述的光学遥感图像目标显著性检测方法，其特征在于：所述对比度因子k的大小与所保留的图像边缘信息成反比，k取梯度幅值的统计直方图中70％百分位对应的值。
4.根据权利要求2所述的光学遥感图像目标显著性检测方法，其特征在于：
5.根据权利要求1所述的光学遥感图像目标显著性检测方法，其特征在于，s2中所述使用所选定的特征对所述图像非线性尺度空间进行特征提取，依据特征提取结果逐一计算每个所述图像块中每种特征的显著值，具体包括如下步骤：
6.根据权利要求1所述的光学遥感图像目标显著性检测方法，其特征在于，s3中所述使用聚类算法将所述原始检测图像分割成若干个像素块，依据所述显著值计算结果确定显著中心，具体包括如下步骤：
7.根据权利要求6所述的光学遥感图像目标显著性检测方法，其特征在于，s3中所述依据格式塔理论中的相似性法则，通过每个所述像素块整体及其中每个像素与所述显著中心的相似度确定各张所述特征显著图的权值，最终汇总生成空间显著图，具体包括如下步骤：
8.根据权利要求7所述的光学遥感图像目标显著性检测方法，其特征在于：在s32中，α＝60。
9.根据权利要求7所述的光学遥感图像目标显著性检测方法，其特征在于：在s33中，α1＝0.3062，α2＝1.2930。
