基于曲率和积分投影的人脸特征检测

针对以往基于图像的人脸特征检测对光照敏感的缺陷,提出了一种基于3D数据的人脸特征检测算法.首先对人脸3D数据计算其主曲率,设定阈值进行人脸特征的初步分割得到二值化的分割图,然后在二值化图上进行水平和垂直积分投影进一步确定人脸特征的位置,最后利用人脸特征的先验拓扑知识对检测到的人脸特征进行验证.实验结果表明,该算法能够有效地提取人脸特征点,具有一定的鲁棒性.     

基于显著图的遥感图像多分辨区域生长分割算法

针对传统区域生长算法对噪声敏感和初始种子过度依赖的问题,本文提出一种基于显著图的遥感图像多分辨区域生长分割方法.该方法利用亮度、颜色、方向三个特征金字塔生成显著图,通过视觉选择注意模型自动选择注意区域作为种子区域.从能分辨种子区域的最大尺度开始区域生长,直到0尺度,从而分割出对遥感图像中感兴趣的区域.实验结果表明该方法能有效地从遥感图像中分割出视觉注意的区域,且有较快的速度.     

基于肤色分割和模板匹配的人脸检测技术研究与实现

针对基于肤色分割方法利用特征点信息不充分的不足和基于模板匹配方法计算量大的不足,提出了基于肤色分割和模板匹配两种方法相结合的人脸检测技术.通过肤色分割方法研究,虽不能最终确认人脸,但可利用人脸特征确定人脸区域,并筛选出大部分的假脸区域,在模板匹配研究中,可以确认出人脸图像,并给出检测结果.     

基于双色彩空间和面部矩形特征的人脸检测

在YIQ和YCbCr色彩空间中,结合人类面部矩形的特征,提出了一种用于人脸检测和定位的算法.该算法通过比较输入图像R、G、B 3通道总的平均值和B通道的平均值来选择色彩空间,并采用基于积分图的2维OSTU法进行肤色分割;然后根据肤色区域面积对肤色分割图像进行中值滤波;最后根据中值滤波后的肤色分割图中的肤色区域面积构造最佳人脸矩形,并用该矩形去定位人脸区域.实验结果表明:该算法较传统的采用单一色彩空间的人脸检测算法具有更高的准确率.     

一种视频人脸跟踪算法

介绍了一种简单、鲁棒、快速的实时视频人脸对象跟踪算法.在使用贝叶斯肤色分类器分割出椭圆候选人脸区域的基础上,采用人眼谷极点生成人脸假设和特征脸人脸验证方法得到参数化的人脸椭圆区,并使用2个正交的边缘梯度跟踪模型和椭圆内部肤色像素统计直方图跟踪模型跟踪人脸.本算法较好地解决了跟踪的连续性、实时性、精确度和鲁棒性间的矛盾.实验证明:本算法能够实时跟踪多个人脸.     

基于高斯肤色模型和图像分割的人脸检测

提出了一种基于HSV、YCgCr颜色空间和图像区域分割的人脸检测方法.首先,将规范化的rgb肤色转化到HSV、YCgCr颜色空间,对向量(H,Cg,Cr)T进行统计,得到肤色的三维高斯概率模型.然后,根据该模型计算待检图像的肤色相似概率,采用最大类间方差的方法计算二值化阈值,根据阈值将相似度图像二值化.为了抵消人脸区域亮度变化和阴影的影响,以二值图像为模板,在原待检图像的饱和图中根据3像素×3像素区域的平均R、G值进行图像区域分割.在分割得到的区域中,根据人脸特征检测出图像中的人脸.实验表明,提出的方法能在复杂背景的情况下检测出人脸图像.     

一种基于人脸检测的人眼特征定位方法

人脸图像分析中,眼睛的精确定位是非常重要的一个环节。文章提出了一种基于人脸检测的人眼特征定位方法。首先采用AdaBoost人脸检测算法对人脸图像进行人脸检测,确定人脸位置。然后根据人脸面部结构特征估计人眼所在区域,利用该区域内的灰度和梯度特征搜索人眼特征点。实验表明该方法能够快速有效地定位出人眼特征。     

一种眼睛精确定位的人脸检测方法

提出了一种图像生成的概率模型,通过检测人脸区域与该区域内人脸的特征,获得最佳的推理算法．该方法将图像分割成若干任意大小区域,包括人脸区域与背景区域,其目的是对相似度模型进行改进,以便判别人脸与背景区域的生成部分,然后利用GentleBoost算法定位出任意图像的人脸和人眼部分．实验结果表明,采用该方法能获得较好的效果,具有一定的使用价值．     

彩色图像中人脸部的小波方法检测

本文针对人脸检测过程中常用到的基于彩色图像肤色分割的方法存在的不足,提出了一种将彩色图像肤色分割方法与图像的小波变换方法相结合的人脸区域检测方法.首先采用肤色分割方法对图像中的人脸区域进行粗定位,然后与从原图像进行小波分解提取出的人面部的细节信息相结合,从而可以更为准确地定位人脸的位置.实验表明了本方法的有效性,并且对于一般背景的图像可以提高人脸检测系统的适应性.     

基于颜色分割和HOG学习机制的人脸检测

人脸检测在信息安全和处理等应用领域起到很重要的作用.提出了一种鲁棒的人脸检测算法.该算法结合了基于颜色分割的粗定位过程和基于Histogram of Oriented Gradient(HOG)特征的人脸精确定位过程.粗定位利用人脸的颜色特征,采用基于YCbCr空间的颜色分割方法,获得图像中有可能包含人脸的图像子区域;精确定位则采用HOG特征,并利用SVM进行分类,得到人脸的准确位置.实验证明我们的方法对不同亮度、各种年龄及性别、表情变化及部分遮挡的人脸都具有很强的鲁棒性.     

基于高层先验语义的显著目标检测

为解决图像低级特征不能够均匀进行显著目标检测的问题,将高层先验语义和低级特征进行结合,提出一种新颖的基于高层先验语义的显著目标检测算法模型。利用深度卷积神经网络对输入图像以及显式显著性先验信息分别进行语义分割提取,得到显式显著性检测图;通过将图像中隐含的先验显著性特征与显著性值进行映射得到训练模型计算隐式显著性图;将显式显著性检测图和隐式显著性检测图进行自适应融合,形成均匀覆盖显著目标像素的精确显著检测图。为验证算法模型的有效性,将算法在具有挑战性的ECSSD和DUT-OMRON图像数据集进行实验仿真,实验结果表明,该算法的显著目标检测效果较其他方法有较为显著的提升。     

基于时空显著性检测的3D视频生成方法

为了解决3D视频生成方法在获取深度线索方面的难题,使用显著图代替深度图进行3D视频生成。显著图和深度图在性质上有所不同,但是显著图是通过视觉注意力分析得到的,因此也可以给予人眼良好的感官体验。为了得到更适合进行视频内容转换的显著图,将时间信息融入到了深度学习模型当中。通过实验证明了本文方法在两个广泛使用的视频显著性数据集上拥有很好的表现力,所生成的3D内容也具有良好的视觉效果,证明了基于显著性检测的3D视频生成方法具有一定的可行性。     

视觉注意的图像目标预检测

提出了融合自底向上和自顶向下模式的视觉注意机制的改进算法.该算法使用以完整轮廓信息作为物体识别标志的方式,几乎不需要先验知识,改进了自顶向下算法的需要大量先验知识的弱点;同时由于将物体轮廓作为的一个识别和预检测的重要参考信息,改进原视觉机制中的仅使用三个显著图,没有整体意识,从而致使识别范围过大的弱点.实验证明该方法提升了搜索预检测目标的准确度.     

基于注意机制的仿生人体动作识别

针对已有的仿生动作识别系统计算量大、耗时长的问题,提出了在系统中加入注意机制的方法.该方法模仿注意机制在人类视觉中所起的重要作用,将视频中运动目标的活动区域作为视频图像的显著区域划分出来,然后结合视频图像的显著区域获取不同动作的特征模板.此方法在一定程度上克服了视频的背景噪声对系统性能的影响,同时更准确地模拟了人类视觉机制.实验结果表明：该方法能较好地改善人体动作识别模型的识别速度和识别结果.     

图像感兴趣区域自动提取算法

感兴趣区域提取技术在图像处理和分析领域中有着重要地位。提出了一种ROI的自动提取算法,在显著度图和相对位置指示图的基础上,采用基于子区域的区域生长法,以像素点的显著度、相对位置及颜色纹理信息作为生长条件,颜色、纹理信息的权重可以根据图像的内容自适应调整。实验结果表明,该方法与现有算法相比,在速度和ROI提取的准确性方面均有提高。     

基于视觉显著性特征的自适应目标跟踪

为解决运动目标跟踪过程中候选目标信息描述单一的问题, 提出一种基于视觉显著性特征融合的自适应目标跟踪算法。提取目标颜色、颜色的变化、强度和运动信息构建目标四元数模型, 采用相位谱重建算法检测目标的显著图(Saliency Map), 并根据特征相似度大小自适应调整权值, 融合视觉显著性特征和颜色特征实现目标跟踪。实验结果表明, 该算法能有效克服部分遮挡和背景融合干扰, 从而实现复杂背景下目标的准确跟踪。     

一种听觉显著图提取模型

本文基于人耳听觉特性提出了一种改进的自下而上听觉显著图提取模型.该模型根据人耳听觉系统对声音分频道处理以及声音信号时间方向的差异更能有效表征听觉显著性这两个特点进行显著图提取.首先对输入声音信号进行短时傅立叶变换(SFFT)得到声音信号的听觉图谱,然后重新划分频带并在各频带上采用一维高斯滤波器组进行不同尺度的时域滤波,再利用中心-周边差算子计算各频带的听觉显著度并进行跨尺度整和,最后将各频带的听觉显著度线性合并之后得到最终的听觉显著图.仿真实验的结果表明该模型提取的听觉显著图更准确.     

基于频率域的显著性区域提取方法

一般的视觉显著性区域提取方法都不能一致地突出显著性区域和给出显著目标定义明确的边界,因此提出一种基于频率域的显著性区域提取方法．该方法使用高斯差分滤波器的组合来保持原图像更多的频率信息,在频率域里利用颜色和亮度信息来预测中间一周围对比度．该方法不仅能输出完整分辨率的显著图,而且解决了上述两个问题．对真实数据试验结果表明...     

卷积特征图融合与显著性检测的图像检索

针对基于深度学习的图像检索提取特征往往包含了复杂的背景噪声,导致图像检索的精确率并不高的问题,提出一种特征图融合与显著性检测的方法.首先,训练用于分类的深度卷积神经网络模型.然后,并将图像卷积之后的特征图谱进行融合,得到图像的显著性区域.最后,通过计算图像显著性特征的余弦距离来进行检索.实验结果证明:相比目前主流的方法,文中方法能够有效提高检测精度,且鲁棒性较高.     

基于显著点的感兴趣区域提取及评价

为降低数据规模,提高图像处理的效率,针对感兴趣区域（ROD提取的问题,提出了一种基于显著点的ROI提取算法．利用视觉注意模型（VAM）得到显著图,聚类显著图二值化后提取到的显著点,同时将原图像二值化,并以聚类点作为种子点填充,提取原图像的二值化图轮廓后与原图像掩膜,得到图像的ROI．实验结果表明：该算法的总体效果良好,运算速度可与显著点的个数成线性关系．同时以眼动实验数据为参照进行分析与评价,该算法ROI漏分率至少降低50％,而误分率无明显增加．