通过二维图像到三维场景的转换，计算机和人类一样可以感知和理解三维客观世界。早在上世纪60年代，立体的计算机视觉理论就被提出[3]。1977年，Marr[4]创造性地提出了著名的计算机视觉理论框架，且于1982年将其完善，为计算机视觉领域做出了重大贡献。此后，这一视觉理论框架得到广大学者的认同，计算机三维视觉技术蓬勃发展。

立体视觉是计算机视觉中一个热点研究课题，根据使用的相机数量可分为单目视觉、双目视觉和多目视觉三类。双目视觉采用不同位置的两个相机或采用可以进行平移运动的单个相机来拍摄同一个场景的两幅二维图像，并通过计算三维场景中同一点在两幅二维图像中的水平视差，得到空间点的三维几何信息[5]。双目视觉与人类观察三维物体的方式类似，只利用场景的二维图像就可得到三维信息，因其简单可靠被应用于电子制造、汽车制造、军事工业等诸多领域。

对于外界信息，人类总是优先关注信息量大、感兴趣的部分，进行进一步处理。显著目标提取正是从大量而复杂的图像信息中提取出研究者感兴趣的部分[6]，是图像处理的关键，这一过程大大降低了计算的复杂度，吸引了诸多学者的注意力。

由于成像特性，在红外图像中，行人、车辆等都属于显著目标。基于显著目标提取的红外双目立体视觉在智能驾驶辅助装置中有重要的应用价值。由于智能驾驶辅助技术能自动感知影响车辆行驶过程中的一些道路状况及突发事件，提高车辆行驶的安全性，在军事及国民经济诸多领域存在广泛应用。应用于可见光波段的双目立体视觉只适合光照良好的场景，而红外双目立体视觉可在夜间及会车强光照射条件下获得视场清晰的立体视觉，并可通过算法进行被动测距，与其他成像方式相比具有很大优势。所以，红外立体视觉中的显著目标提取吸引了越来越多的学者的目光。

1。2  国内外研究现状

1。3  本文主要内容与结构安排

本文工作主要围绕实现车辆智能驾驶辅助系统的显著目标提取这一目标展开，重点研究了红外双目立体视觉系统和显著目标提取算法，确定红外立体智能驾驶辅助装置中的显著目标提取技术实施方案，最后进行系统设计、部件选型、系统构建调试、信号采集与处理、图像处理与显示，实现红外立体智能驾驶辅助装置的显著目标提取。

全文共分为五章，组织结构和主要内容如下：

第一章 引言。介绍了计算机立体视觉和显著目标提取的研究背景和其相关应用，分析了红外双目立体视觉和显著目标提取的国内外研究现状，最后说明了本文的组织结构和主要内容。

第二章 红外双目立体视觉研究。介绍了人类视觉的立体感知原理和红外热成像技术，并根据双目立体视觉模型给出了相关公式推导过程，最后阐述了整个红外双目立体视觉系统的基本构成。

第三章 显著目标提取算法。介绍了显著目标提取算法需要用到的傅里叶变换、线性滤波和图像差值的相关原理和它们在MATLAB中的使用方法，详细阐述了本文的显著目标提取算法的原理和具体流程。

第四章 显著目标提取算法MATLAB仿真实验。介绍了本文用到的红外图像的采集方法，进行了显著目标提取算法MATLAB仿真实验并对结果进行分析，实现了用于红外立体智能辅助驾驶装置的显著目标提取算法。

第五章 系统搭建及实验。主要介绍了硬件平台的搭建，设计了用于红外立体智能驾驶辅助装置的显著目标提取系统，通过实验完成了最终的显著目标提取。