红外图像显著性目标分割评价：无先验知识的新准则

"无需先验知识的红外显著性目标分割评价准则" 这篇研究论文探讨了在没有先验知识的情况下，如何对红外图像中的显著性目标分割进行客观评价。论文的作者包括闵超波、张俊举、常本康、孙斌、李英杰和刘磊，他们来自南京理工大学电子工程与光电技术学院。这项研究受到了国家自然科学基金的资助，并在2012年11月22日提交，2013年3月11日完成修改。 红外图像显著性目标分割是图像处理领域的一个重要课题，尤其在军事、安全监控和自动化检测等应用中。传统的评价方法通常依赖于特定的先验知识，例如目标的形状、尺寸或者色彩对比度，这在某些复杂场景中可能无法准确反映分割效果。 该论文提出了一个创新的评价准则，它基于三个关键指标：局部视觉亮度差指标、全局视觉显著性指标和亮度波动性指标。这些指标旨在模拟人眼视觉感知，以评估分割结果的质量。 1. 局部视觉亮度差指标：这个指标衡量分割前景与背景之间的局部亮度对比度。较高的对比度表明目标更易于识别，因此是评价分割效果的重要依据。 2. 全局视觉显著性指标：该指标关注整个图像背景下，分割前景的显著程度。如果分割出的目标在整个图像中突出，那么其全球显著性就高，这反映了目标是否能吸引人的注意力。 3. 亮度波动性指标：这一指标关注分割前景内部的亮度一致性。一个良好的分割应使目标区域的亮度变化保持在较低水平，以避免因亮度不均导致的视觉干扰。 通过综合这三个指标，论文构建了一个红外目标分割的评分准则。实验结果显示，这个准则的评价结果与人眼视觉感知和客观实际情况高度一致，证明了其在无先验知识情况下的适用性和有效性。 关键词涉及的领域包括性能评价、人眼视觉感知、显著性目标以及红外图像处理。这项工作对于推动红外图像处理技术的发展，特别是目标检测和识别的自动化和智能化具有重要的理论和实践价值。中图法分类号为TP391，这通常代表了信息与通信技术领域的图书资料分类。