MATLAB环境基于全局和局部多特征融合的红外图像分割主动轮廓模型

红外图像是一种热图像，不受光照影响，在光照条件差、有烟雾遮挡的环境中，可以辅助或代替可见光成像在各个领域中应用，同时作为热成像，对景物的热辐射敏感，在安全监测、质量检验等领域具有优势。在以下几个方面对红外图像的场景理解具有迫切需求：

a.自动驾驶：自动驾驶汽车目前汽车行业的研发热点，谷歌、Uber、特斯拉以及国内的百度、乐视等国内外公司纷纷自动驾驶汽车领域布局。自动驾驶技术的关键技术之一就是感知驾驶环境，通过计算机视觉技术、传感器技术获取周围环境的信息，通过人工智能算法自动检测交通标识、检测行人和障碍物、分析驾驶场景的整体含义，针对特定目标（行人或车辆）准确进行短时或长时的行为分析，以及对周边的人或车辆进行行为预测，并做出相应的决策。

近些年来，车载红外夜视热像仪在汽车市场得到越来越广泛的应用，为无人驾驶的未来提供了重要的技术支持。目前一部分车型已经开始配置红外热像仪，大幅度降低夜间驾驶的危险性。红外热像驾驶辅助系统可在全黑、烟雾、雨雪天气情况下帮助探测和识别潜在的危险。谷歌公司在自动驾驶技术处于业界领先地位，在其研发的自动驾驶汽车上配置了可见光摄像头获取可见光图像，同时也安装了红外照相机辅助夜间驾驶。

b.智能安全监控红外热像仪用于安全监测，是一种高性价比的现代化监控手段。红外热成像技术是一种被动式的非接触的检测与识别，隐蔽性好、抗电磁干扰。红外热像仪能真正做到24小时全天实时监控，能通过“大气窗口”透过烟、雾，在夜间、雨雪恶劣环境下观测到监控目标。它可以用来监测人群、维持周边安保，识别普通相机和人眼看不见的威胁。在反恐、侦查、边防巡逻、边检站监控、水上搜救、重点监控中起到重要的作用。通过人工智能算法，对采集的图像数据进行自动监控和分析，有望取代经过训练的人工操作。

c.智能勘探检测在石油化工领域：石油化工生产具有危险性（易燃，易爆），许多重要设备都在高温，高压条件下工作，需要全方位对设备、电力系统进行严格的质量监测，对厂区周围环境和人员活动进行安全监控，确保生产的安全性。红外热像仪被广泛应用于厂区设备热故障检测、能源勘探、气体检漏和消防救援。红外热像仪获取的视频监控图像需要实时分析，发现安全隐患。在危险的环境下，红外成像结合人工智能的应用可以取代人类作业。

d.电力设备智能检测：电力设备负载较大电流和电压，造成设备发热。如果设备出现故障，发热会加剧或者表现异常。通过观测其热分布图像，能检测出这些异常。红图像能显示出于物体热辐射信息，便于观察设备的温度变化、检测设备故障。在电力系统中，红外智能监测已经投入使用。如变电站红外智能在线实时监测系统、换流站阀厅红外测温监控系统、变电站智能巡检机器人系统等。

红外技术具有其独特的优势，在各个应用领域中占据着不可替代的位置。对红外图像进行目标检测、识别和跟踪在是红外成像技术的研究热点，而对红外图像进行整体的场景理解研究还处于初级阶段。由于红外图像本身具有低照度、低信噪比的特点，且只有单色灰度信息，特征比可见光图像少，使得对红外成像技术获得的图像进行场景理解相对比较困难。随着人工智能技术的不断发展，将当前在计算机视觉领域获得巨大成功的深度学习技术运用到红外图像场景理解中，通过算法创新和优化改进，获取图像中提供的语义信息，进而有望实现红外图像场景理解，推动红外技术在人工智能领域的应用和发展。

鉴于红外图像的优势，提出一种MATLAB环境下基于全局和局部多特征融合的红外图像分割主动轮廓模型，压缩包=数据＋代码＋参考文献。部分代码如下：

clear all;
clc;
close all;
%% parameter setting
iter = 200;
alpha = 400;
epsilon = 1.0; 
lambda = 0.5;
beta = 1.0;
Gb = fspecial('gaussian',5,beta); 
r =3.0;
Gr = fspecial('gaussian', 5, r);
n = 1;
%% load IR image
% filename = './datasets/1.bmp';filename = './datasets/2.jpg';
% filename = './datasets/3.png';
% filename = './datasets/4.jpg';
% filename = './datasets/5.jpg';
Img = imread(filename);
Img = (Img(:,:,1));
[row,col] = size(Img);

部分出图如下：