基于对立色与显著区域的紧凑图像哈希算法

为了有效利用图像的颜色与局部信息提高算法识别能力,提出了一种基于颜色信息与显著区域的紧凑图像哈希算法.首先对输入图像进行预处理,然后提取图像的颜色对立色与亮度分量,并从颜色对立色中获取颜色特征,进而对亮度分量按照视觉注意力权重矩阵提取图像显著区域的稳健特征,最后将所有特征联合起来并扰乱得到最终的哈希序列.实验结果表明,所提算法与已有的哈希算法对比具有更好的图像分类性能、较短的哈希长度和较少的运算时间.同时,在篡改检测上具有较好的识别能力.     

基于视觉关注模型与多尺度MSER的自然场景文本检测

自然场景中文本检测易受光照、复杂背景、多语言文字、字体及尺寸等因素影响，该文提出了一种基于Itti视觉关注模型与多尺度最大稳定极值区域（maximally stable extremalregion,MSER）结合的自然场景文本检测算法.首先利用改进的Itti视觉关注模型提取文本特征图，并采用不同结合策略得到各尺度文本显著图；然后结合多尺度的MSER区域得到3种文本候选区域.根据文字与生成文本框的几何规则合并文本候选区域得到文本行；最后利用随机森林分类器除去非文本区域得到最终文本区域.实验结果表明，该方法对于自然场景图像中的文本检测具有较高的精确度和一定的鲁棒性.     

一种彩色图像质量评价方法

人眼视觉系统对图像的结构信息高度敏感,且与色彩信息密切相关.但是基于结构相似性图像质量评价方法大多是在不考虑颜色的情况下实现的,为此提出了一种新的图像质量评价方法.首先根据人眼视觉系统特性提取彩色图像的亮度、色调和饱和度,将亮度分量与Scharr算子进行卷积,提取图像亮度通道的边缘特征得到亮度变化强烈部分的边缘特征,同时将色调和饱和度作为色彩特征进行处理;其次提取图像灰度化后的边缘特征以得到亮度变化缓慢部分的边缘特征;最后融合以上特征建立彩色图像质量评价模型.在LIVE数据库上进行的对比实验表明:和其他被广泛采用的图像质量评价算法相比,该算法评价结果总体上与主观评价结果具有更高的一致性.     

一种基于傅里叶变换的运动图像全盲认证方法

利用运动图像傅里叶变换幅度谱的带状调制特性,提出一种针对运动图像的全盲认证方法,实现了对运动图像经过修改、移动、区域填充以及非运动图像上填充运动图像块两种情况下的篡改区域检测与定位.实验验证了其有效性及对噪声的鲁棒性.     

视觉信息的稀疏表示与显著度检测方法

图像的表示方法和测量方法是显著度检测模型的两个重要研究问题.不同于早期工作中通过对大量自然图像统计得到稀疏特征的方法,提出了通过对当前输入信号进行自适应学习来获得特征的方法.在显著度检测阶段,对每个特征都定义了背景活动率(BFR),提出了用特征活动率(FAR)来测量自底向上的视觉显著度.特征活动率(FAR)在生物学中是可信的、易于计算,并具有令人满意的性能.通过对人眼轨迹定位和心理模型以及自然图像的实验,证明了所提方法的有效性和鲁棒性.     

人眼视觉注意机制用于伪装效果评价

为客观、准确、便捷地评价目标的伪装效果,利用人眼视觉注意机制建立了伪装效果评价模型.提取输入图像的亮度和朝向特征,融合色差分布图,得到相应的特征显著图.根据竞争机制和禁止返同机制,计算出注意焦点.基于BP神经网络建立了视觉焦点转移特性与目标发现概率的对应关系模型,从而准确地量化目标伪装效果.实验中选用44幅南方林地型图像进行BP神经网络训练和有效性检验,结果表明,该模型能够有效评价目标的伪装效果,并具有可操作性强、量化准确的优点.     

基于人眼视觉特性的图像压缩编码算法

根据人眼的视觉特性,提出了一种图像压缩编码算法,该算法对量化方案进行了改进.为了保证重构图像的质量,获得更高的压缩比,先根据方差大小和边缘信息对变换系数进行自适应滤波,保留低频区域的部分系数,然后按照阈值法再去除一些保留的低频系数.基于MATLAB的仿真实验表明:提出的图像压缩编码算法具有压缩速度快,压缩比高,解码图像质量好等优点.此外,和其他算法相比,该算法具有更高的压缩比.     

四元数和脉冲耦合神经网络应用于足球检测

提出一种基于四元数傅里叶变换注意力选择和脉冲耦合神经网络在图像中跟踪足球的方法. 首先进行图像预处理以去除球场以外的区域,用四元数注意力选择算法提取感兴趣区域,基于颜色、形状、面积等多种特征检测足球. 若检测失败,则采用卡尔曼滤波器预测足球位置. 仿真结果表明,与基于速度控制的动态卡尔曼滤波和实时足球检测两种方法相比,检测成功率分别提高9.6%和14.9%.     

多尺度自卷积方差显著性SAR图像目标检测

针对SAR图像中显著性目标检测问题,提出一种基于多尺度自卷积方差显著性的自适应检测算法. 该算法在对SAR图像多尺度自卷积运算基础上,通过计算MSAV得到方差显著图. 设计了一种自适应阈值检测器,完成SAR图像中显著性目标的检测. 实验结果表明,在复杂背景环境下,所提算法能有效检测出与人类视觉较为一致的显著性目标.     

视觉机制模拟中的局部参数自组织映射方法

为模拟视觉系统对彩色场景进行初步处理的机制,提出一种局部参数自组织映射方法. 以局部颜色均值、局部颜色对比度以及位置作为特征,用自组织映射进行分类,实现图像分割、边缘检测和轮廓分离等功能. 对仿真及自然彩色图像的实验结果表明,该方法能并行实现上述功能,将具有不同类型特征的部分映射到输出空间的不同位置,符合视觉系统的特征映射和并行处理的特性. 该方法为研究和模拟视觉系统的机制提供了参考,也可用于图像处理中的多任务并行处理.     

白场和对比度对视觉感知图像清晰度的影响

应用显示技术原理,通过实验的方法,在荷兰与中国分别邀请一批测试者对不同白场和对比度的图像进行视觉感知评价,然后应用统计学理论对实验结果进行分析.结果表明,人们对图像清晰度的视觉感知与图像的内容有关;白场设置对清晰度无影响;中国人倾向于较高的对比度,而欧洲人则不然.     

基于注意力网络推理图的细粒度图像分类

针对场景图像的细粒度分类任务,结合图像视觉和文本的多模态信息提出了一种基于注意力网络推理图的细粒度图像分类方法.首先提取场景图像的全局视觉特征、局部视觉特征和文本特征,把位置信息分别嵌入局部视觉特征和文本特征后拼接成新的特征,再将这个新的特征作为图结构的节点生成一个异构图;然后设计两条元路径将异构图分解成两个同构图,并...     

基于色像差特性的图像篡改检测

针对存在色像差的合成图像,提出一种基于纵向色差特性的篡改检测方法.对于图像中深度相似的目标,分别基于局部相位相干性提取3个通道的锐度特征,根据通道间的锐度差异估计纵向色差强度和方向.比较多个目标的纵向色差特性,根据纵向色差分布的不一致检测图像篡改.实验结果表明,该方法能够有效鉴别合成图像的真伪.     

显示图像清晰度的视觉感知研究

研究了清晰度差别的可视性,通过两次实验,邀请不同的观测者对不同清晰度的静态显示图像进行主观视觉评价,并应用统计学分析方法进行了分析.结果表明:文本图像的清晰度差别比自然彩色图像的清晰度差别更容易被分辨.另外,还分析了图像清晰度的视觉感知与显示器的对角线阶跃响应之间的关系,说明人的视觉对自然彩色图像的清晰度差别的可视性临界值相当于角分辨率为14 arcsec,而对文本图像则相当于5 arcsec.     

色彩恒常性在彩色图像增强中的应用

将Retinex算法应用于彩色图像增强中,在分析MSRCR算法构成的基础上,针对灰度假设(GW)带来的问题作出了改进.改进的算法基于图像自身的直方图,对参数进行自适应的选取.实验结果表明,改进后的算法使彩色图像在演色性(Rendering)方面有了较大的提高,更符合人眼视觉系统的感知特性.     

特征描述子在目标伪装效果评价中的应用

为了实现目标伪装效果评价的客观化和定量化,基于表征人眼视觉注意机制的特征描述子建立了特征相似度模型.人眼视觉注意机制模型量化了视觉注意焦点的转移过程.基于特征尺度值,提取了注意焦点的特征描述子.建立了基于特征描述子的特征相似度模型,实现了目标与背景在亮度、颜色和空间分布等方面融合程度的定量评价.拟合了特征相似度与目标发现概率的关系式.实际应用结果表明,该模型具有可操作性强、量化准确等优点.     

小波域内循环平移操作的图像高分辨率重建算法

为解决传统的图像插值算法因具有全局性而不能较好地处理图像边缘细节信息,且易在细节区域产生锯齿线的问题,提出了一种图像分辨率和对比度增强算法。该算法先用小波零填充算法得到高分辨率图像,并通过纠正残差过程来弥补丢失的边缘和纹理特征,然后对其进行定向循环平移操作。考虑到图像小波分解后水平、垂直、对角方向的高频分量能够反映图像这3个方向的边缘变化情况,从而利用图像不同方向的高频分量来刻画图像像素点不同方向的突变程度。根据这个突变程度来实现循环平移操作的自适应融合过程,这样可以避免过度抑制边缘细节信息。最后对重建的高分辨率图像小波分解后的高频分量使用非线性增强函数,提高图像对比度,突出边缘和轮廓信息。实验结果表明,该算法在增强图像空间分辨率和对比度的同时,保留了原图像包含的边缘和轮廓信息,不仅有较好的视觉效果,还有一定的抗噪能力。     

高分辨率图像的指数矩描述

在指数矩定义与计算方法的基础上,提出应用指数矩矩阵描述高分辨率图像的方法.结合图像分割理论并延伸处理各子图,利用快速傅里叶变换计算高分辨率图像指数矩矩阵,然后逆向重构子图并重组原图.对重组图像进行基于Itti视觉注意模型的客观感兴趣区域信噪比分析.仿真结果表明,延伸处理可减弱由分割所带来的重组图像方块效应,也可提高重构图像的信噪比,验证了由图像指数矩矩阵描述高分辨率图像的可行性.