一种基于改进视觉注意模型和局部自相似性的目标自动检测算法研究

针对基于视觉注意模型的检测算法只能检测到图像中的感兴趣区域,无法准确地提供目标的轮廓和位置的不足,提出了一种基于改进视觉注意模型和图像局部自相似性的目标自动检测算法。通过增加运动速度和运动方向特征改进了经典的Itti视觉注意模型。利用改进的视觉注意模型提取感兴趣区域,提高了视觉注意模型的检测能力。再利用图像在边缘处具有良好的局部自相似性,实现了基于图像局部自相似性的目标检测算法。实验表明,算法能快速检测到图像中的目标感兴趣区域,并对其进行精确分割和定位。     

视觉感兴趣区的提取及其在视频图像质量评估中的应用

通过主观眼动跟踪实验和客观Itti模型分别研究了视频图像的感兴趣区域提取问题.通过研究眼动跟踪实验数据与视频图像的时间同步问题和适当选取人眼在观察视频时所能接受的感兴趣区域个数,分别得出了主、客观实验的视频图像感兴趣区权重矩阵.在此基础上,在传统图像质量评估方法峰值信噪比(PSNR)中加入主观眼动跟踪实验和客观Itti模型得出的感兴趣区权重矩阵,分析和比较了2种感兴趣区权重矩阵对PSNR的影响.实验证明,通过参数设置,主观眼动跟踪实验和客观Itti模型提取的感兴趣区权重矩阵对 PSNR都有明显的改善,改善后的模型不但保持了传统方法的简易性,同时也提高了其与主观感知的相关性.     

视频图像关注度区域提取算法研究简

人眼视觉具有选择注意特性,视觉场景中不同区域对人眼视觉的刺激不同,利用人眼视觉的这种特性。将视频图像中人眼重点关注的区域提取出来为视觉感知编码奠定基础。本文首先详细介绍了人眼视觉关注度的基本理论及国内外的研究现状,接着,重点分析研究Itti视觉关注度模型及改进模型在视频图像编码中的应用,最后,对视觉关注度模型发展进行分析。     

基于视觉注意力的视频水印算法

本文提出了一种基于视觉注意力模型的视频水印算法,视觉注意力模型可以从视频中提取出显著特征并找出显著点或者显著区。在基于视觉注意力的视频水印中,在Itti模型[1]的基础上加入运动特征,通过生成显著图的方法得到视频中每一帧的感兴趣区域(ROI)。将秘密信息隐藏在感兴趣区域外,避免引起人眼的注意,从而很好地保障秘密信息的不可见性。     

基于亮度感知的前景提取

前景提取是在图像整体认知基础上将感兴趣对象分离出来,本文联合图像亮度视觉感知和水平集方法提出了一种基于亮度感知的前景提取模型。该模型依据像素对的亮度视觉相关性,联合视觉区域内相似性和区域间的差异性,设计了亮度感知能量泛函,运用瑞利熵求解能量泛函得到视觉区域,利用视觉区域特征驱使初始曲线演化至前景轮廓。相对于传统算法,该模型运用图像视觉特征有利于从图像的整体认知上提取前景,提高了水平集方法的前景提取质量。     

基于视觉显著特征的光学与SAR影像快速粗配准方法

在经典的Itti模型基础上,结合纹理特征及SAR影像显著目标的灰度特性,TW-Itti视觉显著模型能快速精确地反映显著地物的范围,获取显著区域。在显著区域内,利用水平集分割提取显著目标,通过形状曲线匹配算法对显著目标进行配准。研究结果表明:与经典的Itti模型相比,TW-Itti模型得到的显著区域目标整体更连贯,边缘细节更丰富,目标区域更准确,提高了后续影像粗配准的鲁棒性。同时,配准效率得到显著提高。     

基于计算机视觉的海南岛地质灾害提取研究

针对海南岛主要地质灾害类型(滑坡、崩塌、泥石流),利用多源遥感影像数据,基于计算机视觉,运用Itti视觉显著性模型以及多特征层次分析,建立适宜于海南岛的地质灾害信息提取算法模型。该模型利用地质灾害与其他地物差异较为显著的色调、形态特征,在Itti视觉显著性模型的基础上生成了总显著度图,经过多特征层次分析,进行特征参量阈值优化处理形成最终的地质灾害信息提取结果。本文选取多处研究区、多灾害类型、多源影像进行实验验证,实验提取各类地质灾害正确率为89.85%,无漏检,整体精度较好。将计算机图像处理技术运用到海南岛的地质灾害信息提取中,为该地区地质灾害防治工作提供了新的技术方法支持,为今后在热带地区开展地质灾害信息提取提供了参考。     

基于多粒度感知SVM的复杂场景人车分类方法

针对复杂场景中的人车分类问题, 提出一种基于多粒度感知SVM (support vector machine)的复杂场景人车分类方法。该方法首先对视频场景进行运动区域分析, 结合角点检测方法提取运动区域视觉感知信息, 在时空域中采用Kalman滤波将感知信息进行关联推理, 去除噪声干扰。 再以运动区域质心点为中心, 构造目标的多粒度感知特征, 最后构造2级SVM分类器, 将目标多粒度感知特征向量集输入SVM分类器进行训练及分类, 得到人车分类结果输出。实验结果表明, 该方法取得了良好的分类效果, 人、车全天候平均分类正确率分别达到93.6%以上, 能有效避免光照、色彩、目标大小等变化导致的误分类问题, 适用于智能交通视频的人车分类应用。     

基于多粒度感知SVM的复杂场景人车分类方法

针对复杂场景中的人车分类问题,提出一种基于多粒度感知SVM(support vector machine)的复杂场景人车分类方法。该方法首先对视频场景进行运动区域分析,结合角点检测方法提取运动区域视觉感知信息,在时空域中采用Kalman滤波将感知信息进行关联推理,去除噪声干扰。再以运动区域质心点为中心,构造目标的多粒度感知特征,最后构造2级SVM分类器,将目标多粒度感知特征向量集输入SVM分类器进行训练及分类,得到人车分类结果输出。实验结果表明,该方法取得了良好的分类效果,人、车全天候平均分类正确率分别达到93.6%以上,能有效避免光照、色彩、目标大小等变化导致的误分类问题,适用于智能交通视频的人车分类应用。     

基于深度学习的汽车轮毂缺陷自动分割技术

针对建立轮毂无损检测智能化平台的需要,本文提出一种基于深度学习算法的轮毂缺陷自动分割方法,利用卷积神经网络的结构和径向基函数神经网络的非线性特点,构造一种深度学习网络结构来模拟人类的视觉感知。本文依据汽车轮毂X射线图像,利用U-Net网络来训练轮毂缺陷分割模型,并在感兴趣区域的基础上模拟人脑层次感知系统,该层次感知系统能识别感兴趣区域的灰度像素,通过深度学习分层网络和卷积神经网络,逐层提取缺陷区域的内在特征,从而实现轮毂缺陷的自动分割。实验表明本方法针对复杂轮毂缺陷的识别率达到90%以上,且识别时间开销大约5ms/张,优于传统方法。可见该方法能够满足轮毂缺陷自动分割的需求,具有潜在的应用前景。     

基于颜色信息相位谱的显著性检测

为了快速搜索场景中的重要目标,依据人类视觉系统的特点,提出了一种基于颜色信息相位谱的显著性检测模型. 通过分析图像颜色相位谱信息,建立显著性图谱,它能够表示出场景中重要目标的位置. 实验结果表明,在复杂背景下,该算法能够较好地检测出和人类视觉相一致的重要区域.     

可见光与红外灰度融合图像感知对比度客观评价

如何客观有效地评价融合图像质量,是融合技术发展与装备应用面临的一个关键问题.图像对比度是衡量双波段灰度融合质量的一项重要的评价指标.针对目前的图像对比度客观计算模型没有充分反映人眼视觉特性,从而影响模型计算结果与人眼视觉感受的一致性的问题.在各向同性局部对比度计算模型基础上,引入人眼视觉的亮度掩盖特性,提出图像感知对比度客观评价模型.使用模拟灰度图像以及人眼主观评价实验得到的15组不同真实场景融合图像的对比度评价数据来验证客观计算模型.结果表明,相比于4种经典的对比度客观评价模型,建立的图像感知对比度模型评价结果更符合人眼视觉感受,可以有效实现双波段灰度融合图像感知对比度的客观评价.      

基于卷积核分解的深度CNN模型结构优化及其在小图像识别中的应用

小图像由于像素少、分辨率低、整幅图像包含信息较少,识别较为困难。目前优秀的深度卷积神经网络模型多为大图像而设计,而用于小图像的模型则存在着层次不够深、难以对特征进行充分抽象的不足。本文基于VGG19模型,依据卷积核分解的原理,设计了一种KDS-DCNN模型,模型深度达到31层,解决了目前超深度模型不能直接用于小图像识别的问题,实验表明该方法不但提升了识别性能,而且还降低了模型的时间复杂度。在CIFAR-10、CIFAR-100和SVHN三个数据集上的验证结果显示,KDS-DCNN模型性能优越,其识别错误率分别降低到29.46%、6.02%和2.17%。     

几种人体运动检测算法的比较研究

为了提高计算机视觉运动人体检测的效果,采用了OGHMs（Orthogonal Gaussian-Hermite Moments）法应用于人体运动检测中,在实现过程中对OGHMs加以简化,对运动图像进行Gaussian平滑处理,并在模块运算后期引入腐蚀运算从而得到更精确的检测效果。分析了时间差分法、背景减除法、光流法等常用的几种运动人体检测算法。通过对现有的实验结果分析比较表明,增加腐蚀作用后的OGHMs法不仅具备常用算法各自具有的一些优点,而且抗干扰能力强,同时还较好解决了计算量大的问题,不需要进行背景重建和更新等步骤,并且检测出的运动信息较多,能较完整、较精确地检测出运动人体。     

基于多通道融合和极线约束的道路检测与定位

计算机双目视觉道路检测及定位在实现无人运动平台自主导航中具有重要意义.根据双目摄像机系统模型,提出基于多通道阈值融合的车道线检测方法,融合车道线边缘和色彩信息进行图像阈值分割,采用透视变换和自适应动态滑窗法提取车道线像素,采用最小二乘法拟合道路模型并依据极线约束关系进行定位,投影至SLAM地图中.实验结果表明,算法在光照变化、阴影遮挡等场景中均能精确检测车道线,将车道线信息投影至三维地图可以有效地将车道信息与地图信息进行融合,提高了道路感知能力.      

前方车辆图像识别与纵向安全域控制方法研究

提出一种基于单目视觉的前方目标车辆图像识别与纵向安全域控制方法。利用目标车辆视频图像的小波分形特征进行图像识别,并采用粒子滤波对检测结果进行实时动态跟踪,在此基础上,结合单目机器视觉感知技术测量纵向车间距,并建立纵向安全域控制模型,最后进行了仿真分析。实验结果表明,该方法有效缓和了目标车辆图像检测准确性与实时性之间的矛盾,在保证行车安全的同时,兼顾了道路通行能力。     

基于显著性检测的图像简化

图像简化作为机器视觉、计算机视觉中的一项重要任务,对于提高网络传输效率、加速视觉算法分析处理具有重要意义.针对传统图像简化模型中存在的目标、背景不加区分及尺度效应等问题,提出了一种新的基于显著性检测的图像简化模型,模型首先采用MB+显著性检测算法计算图像的目标显著区域,然后在CIE Lab颜色空间中对L波段上的背景区域进行快速水平集变换,最后按照设定准则合并背景中的非主导区域并输出简化后的图像.     

Simulating Human Visual Perception in Nighttime Illumination

This paper presents an image-based algorithm for simulating the visual adaptation of the human visual system to various illuminations,especially in dark nighttime conditions.The human visual system exhibits different characteristics depending on the illumination intensity,with photopic vision in bright conditions,scotopic vision in dark conditions,and mesopic vision between these two.A computational model is designed to simulate multiple features of mesopic vision and scotopic vision,including the chromaticity change,luminance change,and visual acuity loss.The system uses a source image under bright illumination as input.Then assuming that the viewer has already adapted to the new conditions,the color spectrum of the input image is reconstructed to replace the source with modifications of the chromaticity and the luminance of the relighted scene.A bilateral filter is used to simulate the visual acuity loss.The model parameters have clear physical meanings and can be obtained from experimental data to achieve realistic results.The algorithm can be used not only for visual perception simulation,but also as a day-for-night tool to produce realistic nighttime images from daytime images.