基於偏振成像的適用於水下目標檢測的顯著性視覺方法與流程
2023-05-21 23:57:47 1
本發明涉及水下目標檢測技術領域，具體涉及一種基於偏振成像的適用於水下目標檢測的顯著性視覺方法。
背景技術：
水下目標檢測是保障海洋資源開發、魚群探測、海洋工程建設、河道疏浚港口安全監測、水下管線安全和重大水利工程安全監測的關鍵技術。受光照、水質、流體動力、氣候條件等複雜多變的自然環境影響，傳統的光學成像獲取目標光強或光譜信號極易被噪聲淹沒，成像目標信息匱乏、模糊性和隨機性增加，目標特徵弱且難以表徵，致使現有水下目標檢測識別檢出率低、識別率低。偏振是光波的固有特性，與目標的表面屬性(如其介質特徵，結構特徵，粗糙度，水分含量等)以及觀察角度、輻照條件有關，通過解析目標的偏振信息可以更加容易的識別目標。因此，近年來，偏振成像技術在水下目標檢測領域收到廣泛關注。
在水下環境時變、混雜且高度不確定的條件下，偏振成像仍然存在大量幹擾和噪聲，提高目標的檢測精度必須依賴後端算法。然而，傳統的成像檢測方法，存在不同的缺點，具體如下：基於數據驅動建模過分依賴先驗知識，由於環境不確定及量化隨機噪聲的存在，檢測建模與被檢對象之間在輸出響應上難以做到精確等價；基於機器學習和模式識別的檢測方法，非結構化的目標難以滿足時間一致性假設；基於人工智慧的方法，對於目標的不確定信息，難以構建完備的描述規則和知識庫，致使水下目標檢測依然存在實質性困難。
視覺顯著性是生物在適應環境進化過程中形成的一種非常重要的機制。它能夠幫助生物在複雜環境下，快速有效的從大量數據中挑選出最突出和高度相關的主題，以有限的計算資源，完成目標的快速檢測。但是，目前已有的顯著性目標檢測模型，缺乏反應目標表面特徵的偏振信息，存在顯著性區域不連續，大面積背景誤檢，計算複雜度高等問題，如何設計一種適合於水下顯著性目標檢測方法依然是個難題，是當前急需解決的問題。
技術實現要素：
本發明的目的是克服已有的顯著性目標檢測模型，缺乏反應目標表面特徵的偏振信息，存在顯著性區域不連續，大面積背景誤檢，計算複雜度高等問題。本發明的基於偏振成像的適用於水下目標檢測的顯著性視覺方法，包括多幅偏振圖像信息採集、偏振成像復原、偏振成像的全局顯著性特徵提取、目標中心的顯著性區域檢測，圖像優化的步驟，既能實現複雜水環境下目標檢測的高檢出率、高識別率，且滿足實時性要求，具有良好的應用前景。
為了達到上述目的，本發明所採用的技術方案是：
一種基於偏振成像的適用於水下目標檢測的顯著性視覺方法，其特徵在於：包括以下步驟，
步驟(A)，通過多角度偏振成像系統，採集水下目標的偏振圖像，且同一位置獲取的四幅偏振圖像；
步驟(B)，根據同一位置獲取的四幅偏振圖像，採用Stokes模型融合生成偏振度圖像，並利用全局Gabor濾波均值方法提取偏振度圖像的全局紋理特徵；
步驟(C)，根據同一位置獲取的垂直方向偏振圖像，採用簡化水下偏振成像模型，去除水體微粒後向散射造成的幹擾，實現偏振圖像的顏色恢復；
步驟(D)，利用超像素區域間顏色的相似性和差異性，提取步驟(C)顏色恢復後偏振圖像的顏色唯一性和空間分布特徵，並融合生成全局顏色對比特徵；
步驟(E)，自適應加權融合全局顏色對比特徵和全局紋理特徵生成初級顯著圖；
步驟(F)，根據中心位置和灰度重心對初級顯著圖進行優化，生成背景抑制、目標增強的最終顯著圖；
步驟(G)，根據最終顯著圖，並對其進行閾值分割，實現水下目標的檢測，得到可疑目標。
前述的基於偏振成像的適用於水下目標檢測的顯著性視覺方法，其特徵在於：步驟(A)，所述多角度偏振成像系統，通過在水下相機前加裝不同角度的插片式方向偏振濾波片構成。
前述的基於偏振成像的適用於水下目標檢測的顯著性視覺方法，其特徵在於：步驟(A)，所述同一位置獲取的四幅偏振圖像，分別為0°、45°、90°和135°方向，其中，0°和90°方向為垂直方向偏振圖像。
前述的基於偏振成像的適用於水下目標檢測的顯著性視覺方法，其特徵在於：步驟(B)，根據同一位置獲取的四幅偏振圖像，採用Stokes模型融合生成偏振度圖像，並利用全局Gabor濾波均值方法提取偏振度圖像的全局紋理特徵，包括以下步驟，
(B1)，採用在同一位置獲取的0°、45°、90°和135°方向的四幅偏振圖像，利用Stokes模型計算每個像素點的偏振度信息，融合生成一幅水下目標的偏振度圖像，根據公式(1)獲取被水體散射和吸收之後到達相機模糊的目標輻射光強S的Stokes偏振矢量參數，
其中，g0°表示0°方向的偏振圖像，g45°表示45°方向的偏振圖像，g90°表示90°方向的偏振圖像，g135°表示135°方向的偏振圖像，gRCP表示右旋圓偏振光，gLCP表示左旋圓偏振光；I為總光強圖像，Q表示0°與90°方向上的線偏光光強差，U表示光在45°方向與135°方向上的線偏振光強差，V表示左旋圓偏振光與右旋圓偏光的光強差；
(B2)，根據獲取被水體散射和吸收之後到達相機模糊的目標輻射光強S的Stokes偏振矢量參數，根據公式(2)計算水下目標的偏振度圖像ρ，
(B3)，採用SLIC算法對(B2)中得到的水下目標的偏振度圖像ρ進行超像素分割，每個分割形成的超像素區域包含100像素點；
(B4)，對每個超像素區域，通過公式(3)進行q方向的Gabor濾波平均，得到超像素區域i內q方向下Gabor濾波均值A(i,q)，q方向分別為0°、45°、90°和135°，
其中，G(m,n,q)為q方向下Gabor濾波後對應(m,n)像素點的值，sum(i)為對應的超像素區域i包含像素點個數；
(B5)，對每個超像素區域，通過公式(4)進行0°、45°、90°和135°四個方向的Gabor濾波平均，得到超像素區域i的Gabor濾波均值UN(i)，
(B6)，對每個超像素區域，通過公式(5)提取超像素區域i的全局紋理特徵F(i)，
其中，sum(i)、sum(j)為超像素區域i,j內包含的像素點個數，UN(i)、UN(j)為超像素區域i,j的Gabor濾波均值，T為水下目標的偏振度圖像包含的區域總塊數。
前述的基於偏振成像的適用於水下目標檢測的顯著性視覺方法，其特徵在於：步驟(C)，根據同一位置獲取的垂直方向偏振圖像，採用簡化水下偏振成像模型，去除水體微粒後向散射造成的幹擾，實現偏振圖像的顏色恢復，包括以下步驟，
(C1)根據公式(6)，描述水下偏振成像模型，
Itotal＝S+B (6)
其中，Itotal為入射光總光強；S為被水體散射和吸收之後到達相機模糊的目標輻射光強，S＝e-czIobject，c為水質衰減係數，z為成像點與目標距離，Iobject為被水體衰減、吸收、散射之前的目標輻射光強；B＝B∞(1-e-cz)為水中微粒對環境光的後向散射光，B∞是水體的固有參數；
(C2)在公式(6)只考慮後向散射光存在偏振、忽略被水體散射和吸收之後到達相機模糊的目標輻射光強S的偏振、水為均勻介質的條件下，用公式(7)計算圖像的偏振度p，
其中，B0和B90為水中微粒對環境光的後向散射光B的兩個垂直分量，由於公式(6)中S屬於非偏振光，所以目標在兩個垂直方向上的偏振圖像I0、I90，通過採用公式(8)表示，
(C3)根據目標在兩個垂直方向上的偏振圖像I0、I90相加得到總光強圖像Itotal＝I0+I90，在總光強圖像Itotal沒有目標且距離成像點無窮遠的背景區域中，S＝0，根據公式(6)，並按照公式(9)和(10)分別計算後向水體的固有參數B∞和圖像的偏振度p，
B∞＝Itotal (9)
(C4)根據目標在兩個垂直方向上的偏振圖像I0、I90，按照公式(11)計算圖像各個像素的後向散射光B(x,y)，
其中，根據公式(10)得到B0-B90＝I0(x,y)-I90(x,y)，I0(x,y)、I90(x,y)與目標在兩個垂直方向上的偏振圖像I0、I90含義相同；
在得到後向散射光B(x,y)後，按照公式(12)，計算水的透射比t(x,y)，
(C5)，在總光強圖像Itotal中，按照公式(13)計算不存在後向散射光B(x,y)的目標圖像Lobject(x,y)，
其中，Itotal(x,y)與總光強圖像Itotal的含義相同，均為總光強圖像Itotal；
(C6)，在目標圖像Lobject(x,y)中取一個距離拍攝地點的點，對三個色度通道按照公式(14)計算顏色校正後的恢復圖像Irecocered，實現偏振圖像的顏色恢復，
前述的基於偏振成像的適用於水下目標檢測的顯著性視覺方法，其特徵在於：步驟(D)，利用超像素區域間顏色的相似性和差異性，提取步驟(C)顏色恢復後偏振圖像的顏色唯一性和空間分布特徵，並融合生成全局顏色對比特徵，包括以下步驟，
(D1)，對顏色恢復後偏振圖像採用SLIC算法進行超像素分割，每個分割區域包含100像素點；
(D2)，在CIELab顏色空間對(D1)獲取的每個分割區域按照區域內顏色平均值的差異性，提取分割區域i對應的整幅圖像的顏色唯一性特徵分量如公式(15)所示，
其中，ci是分割區域i中的所有像素的平均顏色，cj是分割區域j中的所有像素的平均顏色，pi為分割區域i的位置，pj為pi為分割區域j的位置，為高斯權重，σp控制唯一性算子的範圍，N為分割區域的數量；
(D3)，在CIELab顏色空間對(D1)獲取的每個分割區域按照區域內顏色平均值，提取分割區域i對應的整幅圖像的顏色空間分布特徵分量如公式(16)所示，
其中，是顏色特徵ci的加權平均位置，w(ci,cj)描述了超像素區域i和j的各自的顏色特徵ci和cj的相似性，σc為控制著分割區域顏色分布的敏感度，Zi為確保的標準化因子；
(D4)，在CIELab顏色空間，採用公式(17)對(D1)獲取的每個分割區域融合顏色唯一性特徵分量、顏色空間分布特徵分量，得到分割區域i對應的全局顏色對比特徵
其中，kC為平衡唯一性和分布測量的比例係數。
前述的基於偏振成像的適用於水下目標檢測的顯著性視覺方法，其特徵在於：平衡唯一性和分布測量的比例係數kC取值為4。
前述的基於偏振成像的適用於水下目標檢測的顯著性視覺方法，其特徵在於：步驟(E)，自適應加權融合全局顏色對比特徵和全局紋理特徵生成初級顯著圖，包括以下步驟，
(E1)，將每個超像素區域的全局紋理特徵賦值給該超像素區域內每個像素點，得到初級紋理顯著圖；
(E2)，將每個分割區域的全局顏色對比特徵賦值給該分割區域內每個像素點，得到初級顏色顯著圖，(E1)和(E2)，如公式(18)所示，
其中，C(l,k)為超像素區域i內像素(l,k)的顏色顯著值分量，T(l,k)為超像素區域i內像素(l,k)的紋理顯著值分量，F(i)分別為公式(17)、(5)計算得到的分割區域i對應的全局顏色對比特徵和超像素區域i的全局紋理特徵值；
(E3)，將初級紋理顯著圖、初級顏色顯著圖，根據公式(19)，生成初級顯著圖S(l,k)，
S(l,k)＝α*C(l,k)+β*T(l,k) (19)
其中，C(l,k)，T(l,k)分別為初級顏色顯著圖，初級紋理顯著圖，α，β分別為初級顏色顯著圖，初級紋理顯著圖的權重調節因子。
前述的基於偏振成像的適用於水下目標檢測的顯著性視覺方法，其特徵在於：步驟(F)，根據中心位置和灰度重心對初級顯著圖進行優化，生成背景抑制、目標增強的最終顯著圖，包括以下步驟，
(F1)，採用Harris算法檢測步驟(A)採集水下目標的偏振圖像的圖像角點，去除邊緣的圖像角點，計算剩餘圖像角點的平均坐標得到目標中心；
(F2)，計算水下目標的偏振圖像超像素區域中心與目標中心的歐式距離，將其除以所有超像素區域中最大的歐氏距離作為目標中心概率，如公式(20)所示，
其中，D(i,center)表示超像素區域i與目標中心的歐氏距離，Dmax表示所有超像素區域中最大的歐氏距離；
(F3)，根據公式(21)，優化初級顯著圖S(l,k)，得到一級優化顯著圖
其中，為目標中心概率；
(F4)，將一級優化顯著圖作為目標區域優化權重，背景概率作為背景區域的優化權重，根據區域間的顯著值空間順滑，根據公式(22)，優化一級優化顯著圖得到二級優化顯著圖Si，
其中，為背景權重，為前景權重，表示區域j的一級優化顯著性圖為平滑度係數，σcol為穩定係數；
(F5)，採用二級優化顯著圖Si的灰度重心，根據公式(23)計算超像素區域i的三級優化顯著圖，突出前景，抑制背景，三級優化顯著圖為得到最終顯著圖；
其中，barycenter為二級優化顯著圖Si的灰度重心。
本發明的有益效果是：本發明的基於偏振成像的適用於水下目標檢測的顯著性視覺方法，具有以下優點，
(1)採用適合水下偏振圖像的復原方法，由於水下成像遇到的問題有很多，比如水體介質對光的的吸收、衰減和散射，還有背景環境光作用在水體微粒對成像點的後向散射都會使目標輻射減弱、成像模糊和圖像能見度降低，針對光在水體傳播的的實際情況，以及要達到提高圖像能見度從而恢復圖像的目的，選擇能在水下保留較好的圖像偏振特徵，對其進行分析處理，由於目標輻射的偏振可以忽略，只有散射光存在偏振，所以濾除後向散射光能達到恢復圖像的效果，使用該方法對互相垂直的的0°和90°偏振圖像進行圖像恢復，圖像變的清晰且顏色得到校正，大大提高了圖像的能見度，為後續的一系列處理打下堅實基礎；
(2)為了提高複雜水下環境中的目標檢測準確性和時效性，本發明聯合全局對比度顏色特徵和全局對比度偏振紋理特徵進行顯著性目標檢測，綜合光波的光譜、光強和偏振特徵，有利於惡劣水下成像環境的目標信息完備表示，此外，偏振信息受場景光學動態變化影響較小，對於光照變化具有一定一直能力，本發明針對水下目標檢測實際情況提取區域的全局對比度特徵描述避免了大量信息的運算，不僅是一種提高檢測效率的方法而且是一種降低局部噪聲改善檢測精度的途徑；
(3)本發明將目標可能出現的位置概率信息和圖像灰度重心作為優化背景與前景顯著度的約束條件，在突出目標的同時，抑制背景信息，結合區域間顯著值空間順滑方法，提高檢測目標區域邊緣完整性，不但有效提高目標區域對比度，而且不丟失關鍵信息，本發明不但可以抑制分布較廣的背景區域，而且可以有效去除非中心區域的多目標幹擾，為水下複雜環境及其他自然場景下的目標檢測提供了一條切實可行的新策略，提高水下目標檢測的準確性。
由以上分析可知，本發明方法通過改善圖像中背景與目標之間的對比度和，提高目標檢測精度，通過信息壓縮計算，提高目標檢測實時性，適用於魯棒、高效的水下目標檢測，具有良好的應用前景。
附圖說明
圖1是本發明的基於偏振成像的適用於水下目標檢測的顯著性視覺方法的流程圖。
圖2是本發明的基於偏振成像的適用於水下目標檢測的顯著性視覺方法的具體算法流程圖。
圖3是本發明的多角度偏振成像系統的結構示意圖。
具體實施方式
下面將結合說明書附圖，對本發明作進一步的說明。
如圖1及圖2所示，本發明的基於偏振成像的適用於水下目標檢測的顯著性視覺方法，包括以下步驟，
步驟(A)，通過多角度偏振成像系統，採集水下目標的偏振圖像，且同一位置獲取的四幅偏振圖像，如圖3所示，多角度偏振成像系統，通過在水下相機前加裝不同角度的插片式方向偏振濾波片構成，這裡的同一位置獲取的四幅偏振圖像，分別為0°、45°、90°和135°方向，其中，0°和90°方向為垂直方向偏振圖像；
步驟(B)，根據同一位置獲取的四幅偏振圖像，採用Stokes模型融合生成偏振度圖像，並利用全局Gabor濾波均值方法提取偏振度圖像的全局紋理特徵，包括以下步驟，
(B1)，採用在同一位置獲取的0°、45°、90°和135°方向的四幅偏振圖像，利用Stokes模型計算每個像素點的偏振度信息，融合生成一幅水下目標的偏振度圖像，根據公式(1)獲取被水體散射和吸收之後到達相機模糊的目標輻射光強S的Stokes偏振矢量參數，
其中，g0°表示0°方向的偏振圖像，g45°表示45°方向的偏振圖像，g90°表示90°方向的偏振圖像，g135°表示135°方向的偏振圖像，gRCP表示右旋圓偏振光，gLCP表示左旋圓偏振光；I是總光強圖像，Q表示0°與90°方向上的線偏光光強差，U表示光在45°方向與135°方向上的線偏振光強差，V表示左旋圓偏振光與右旋圓偏光的光強差；
(B2)，根據獲取被水體散射和吸收之後到達相機模糊的目標輻射光強S的Stokes偏振矢量參數，根據公式(2)計算水下目標的偏振度圖像ρ，
(B3)，採用SLIC算法對(B2)中得到的水下目標的偏振度圖像ρ進行超像素分割，每個分割形成的超像素區域包含100像素點；
(B4)，對每個超像素區域，通過公式(3)進行q方向的Gabor濾波平均，得到超像素區域i內q方向下Gabor濾波均值A(i,q)，q方向分別為0°、45°、90°和135°，
其中，G(m,n,q)為q方向下Gabor濾波後對應(m,n)像素點的值，sum(i)為對應的超像素區域i包含像素點個數；
(B5)，對每個超像素區域，通過公式(4)進行0°、45°、90°和135°四個方向的Gabor濾波平均，得到超像素區域i的Gabor濾波均值UN(i)，
(B6)，對每個超像素區域，通過公式(5)提取超像素區域i的全局紋理特徵F(i)，
其中，sum(i)、sum(j)為超像素區域i,j內包含的像素點個數，UN(i)、UN(j)為超像素區域i,j的Gabor濾波均值，T為水下目標的偏振度圖像包含的區域總塊數；
步驟(C)，根據同一位置獲取的垂直方向偏振圖像，採用簡化水下偏振成像模型，去除水體微粒後向散射造成的幹擾，實現偏振圖像的顏色恢復，包括以下步驟，
(C1)根據公式(6)，描述水下偏振成像模型，
Itotal＝S+B (6)
其中，Itotal為入射光總光強；S為被水體散射和吸收之後到達相機模糊的目標輻射光強，S＝e-czIobject，c為水質衰減係數，z為成像點與目標距離，Iobject為被水體衰減、吸收、散射之前的目標輻射光強；B＝B∞(1-e-cz)為水中微粒對環境光的後向散射光，B∞是水體的固有參數；
(C2)在公式(6)只考慮後向散射光存在偏振、忽略被水體散射和吸收之後到達相機模糊的目標輻射光強S的偏振、水為均勻介質的條件下，用公式(7)計算圖像的偏振度p，
其中，B0和B90為水中微粒對環境光的後向散射光B的兩個垂直分量，由於公式(6)中S屬於非偏振光，所以目標在兩個垂直方向上的偏振圖像I0、I90，通過採用公式(8)表示，
(C3)根據目標在兩個垂直方向上的偏振圖像I0、I90相加得到總光強圖像Itotal＝I0+I90，在總光強圖像Itotal沒有目標且距離成像點無窮遠的背景區域中，S＝0，根據公式(6)，並按照公式(9)和(10)分別計算後向水體的固有參數B∞和圖像的偏振度p，
B∞＝Itotal (9)
(C4)根據目標在兩個垂直方向上的偏振圖像I0、I90，按照公式(11)計算圖像各個像素的後向散射光B(x,y)，
其中，根據公式(10)得到B0-B90＝I0(x,y)-I90(x,y)，I0(x,y)、I90(x,y)與目標在兩個垂直方向上的偏振圖像I0、I90含義相同；
在得到後向散射光B(x,y)後，按照公式(12)，計算水的透射比t(x,y)，
(C5)，在總光強圖像Itotal中，按照公式(13)計算不存在後向散射光B(x,y)的目標圖像Lobject(x,y)，
其中，Itotal(x,y)與總光強圖像Itotal的含義相同，均為總光強圖像Itotal；
(C6)，在目標圖像Lobject(x,y)中取一個距離拍攝地點的點，對三個色度通道按照公式(14)計算顏色校正後的恢復圖像Irecocered，實現偏振圖像的顏色恢復，
步驟(D)，利用超像素區域間顏色的相似性和差異性，提取步驟(C)顏色恢復後偏振圖像的顏色唯一性和空間分布特徵，並融合生成全局顏色對比特徵，包括以下步驟，
(D1)，對顏色恢復後偏振圖像採用SLIC算法進行超像素分割，每個分割區域包含100像素點；
(D2)，在CIELab顏色空間對(D1)獲取的每個分割區域按照區域內顏色平均值的差異性，提取分割區域i對應的整幅圖像的顏色唯一性特徵分量如公式(15)所示，
其中，ci是分割區域i中的所有像素的平均顏色，cj是分割區域j中的所有像素的平均顏色，pi為分割區域i的位置，pj為pi為分割區域j的位置，為高斯權重，σp控制唯一性算子的範圍，N為分割區域的數量；
(D3)，在CIELab顏色空間對(D1)獲取的每個分割區域按照區域內顏色平均值，提取分割區域i對應的整幅圖像的顏色空間分布特徵分量如公式(16)所示，
其中，是顏色特徵ci的加權平均位置，w(ci,cj)描述了超像素區域i和j的各自的顏色特徵ci和cj的相似性，σc為控制著分割區域顏色分布的敏感度，Zi為確保的標準化因子；
(D4)，在CIELab顏色空間，採用公式(17)對(D1)獲取的每個分割區域融合顏色唯一性特徵分量、顏色空間分布特徵分量，得到分割區域i對應的全局顏色對比特徵
其中，kC為平衡唯一性和分布測量的比例係數，優選取值為4；
步驟(E)，自適應加權融合全局顏色對比特徵和全局紋理特徵生成初級顯著圖，包括以下步驟，
(E1)，將每個超像素區域的全局紋理特徵賦值給該超像素區域內每個像素點，得到初級紋理顯著圖；
(E2)，將每個分割區域的全局顏色對比特徵賦值給該分割區域內每個像素點，得到初級顏色顯著圖，(E1)和(E2)，如公式(18)所示，
其中，C(l,k)為超像素區域i內像素(l,k)的顏色顯著值分量，T(l,k)為超像素區域i內像素(l,k)的紋理顯著值分量，F(i)分別為公式(17)、(5)計算得到的分割區域i對應的全局顏色對比特徵和超像素區域i的全局紋理特徵值；
(E3)，將初級紋理顯著圖、初級顏色顯著圖，根據公式(19)，生成初級顯著圖S(l,k)，
S(l,k)＝α*C(l,k)+β*T(l,k) (19)
其中，C(l,k)，T(l,k)分別為初級顏色顯著圖，初級紋理顯著圖，α，β分別為初級顏色顯著圖，初級紋理顯著圖的權重調節因子；
步驟(F)，根據中心位置和灰度重心對初級顯著圖進行優化，生成背景抑制、目標增強的最終顯著圖，包括以下步驟，
(F1)，採用Harris算法檢測步驟(A)採集水下目標的偏振圖像的圖像角點，去除邊緣的圖像角點，計算剩餘圖像角點的平均坐標得到目標中心；
(F2)，計算水下目標的偏振圖像超像素區域中心與目標中心的歐式距離，將其除以所有超像素區域中最大的歐氏距離作為目標中心概率，如公式(20)所示，
其中，D(i,center)表示超像素區域i與目標中心的歐氏距離，Dmax表示所有超像素區域中最大的歐氏距離；
(F3)，根據公式(21)，優化初級顯著圖S(l,k)，得到一級優化顯著圖
其中，為目標中心概率；
(F4)，將一級優化顯著圖作為目標區域優化權重，背景概率作為背景區域的優化權重，根據區域間的顯著值空間順滑，根據公式(22)，優化一級優化顯著圖得到二級優化顯著圖Si，
其中，為背景權重，為前景權重，表示區域j的一級優化顯著性圖為平滑度係數，σcol為穩定係數；
(F5)，採用二級優化顯著圖Si的灰度重心，根據公式(23)計算超像素區域i的三級優化顯著圖，突出前景，抑制背景，三級優化顯著圖為得到最終顯著圖；
其中，barycenter為二級優化顯著圖Si的灰度重心；
步驟(G)，根據最終顯著圖，並對其進行閾值分割，實現水下目標的檢測，得到可疑目標。
綜上所述，本發明的基於偏振成像的適用於水下目標檢測的顯著性視覺方法，具有以下優點，
(1)採用適合水下偏振圖像的復原方法，由於水下成像遇到的問題有很多，比如水體介質對光的的吸收、衰減和散射，還有背景環境光作用在水體微粒對成像點的後向散射都會使目標輻射減弱、成像模糊和圖像能見度降低，針對光在水體傳播的的實際情況，以及要達到提高圖像能見度從而恢復圖像的目的，選擇能在水下保留較好的圖像偏振特徵，對其進行分析處理，由於目標輻射的偏振可以忽略，只有散射光存在偏振，所以濾除後向散射光能達到恢復圖像的效果，使用該方法對互相垂直的的0°和90°偏振圖像進行圖像恢復，圖像變的清晰且顏色得到校正，大大提高了圖像的能見度，為後續的一系列處理打下堅實基礎；
(2)為了提高複雜水下環境中的目標檢測準確性和時效性，本發明聯合全局對比度顏色特徵和全局對比度偏振紋理特徵進行顯著性目標檢測，綜合光波的光譜、光強和偏振特徵，有利於惡劣水下成像環境的目標信息完備表示，此外，偏振信息受場景光學動態變化影響較小，對於光照變化具有一定一直能力，本發明針對水下目標檢測實際情況提取區域的全局對比度特徵描述避免了大量信息的運算，不僅是一種提高檢測效率的方法而且是一種降低局部噪聲改善檢測精度的途徑；
(3)本發明將目標可能出現的位置概率信息和圖像灰度重心作為優化背景與前景顯著度的約束條件，在突出目標的同時，抑制背景信息，結合區域間顯著值空間順滑方法，提高檢測目標區域邊緣完整性，不但有效提高目標區域對比度，而且不丟失關鍵信息，本發明不但可以抑制分布較廣的背景區域，而且可以有效去除非中心區域的多目標幹擾，為水下複雜環境及其他自然場景下的目標檢測提供了一條切實可行的新策略，提高水下目標檢測的準確性。
由以上分析可知，本發明方法通過改善圖像中背景與目標之間的對比度和，提高目標檢測精度，通過信息壓縮計算，提高目標檢測實時性，適用於魯棒、高效的水下目標檢測，具有良好的應用前景。
以上顯示和描述了本發明的基本原理、主要特徵及優點。本行業的技術人員應該了解，本發明不受上述實施例的限制，上述實施例和說明書中描述的只是說明本發明的原理，在不脫離本發明精神和範圍的前提下，本發明還會有各種變化和改進，這些變化和改進都落入要求保護的本發明範圍內。本發明要求保護範圍由所附的權利要求書及其等效物界定。