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.     

一种运动背景下视觉注意辅助的目标检测方法

针对运动背景下序列图像中前景目标难以准确检测的问题,提出了一种视觉注意辅助ViBe算法的目标检测方法.首先利用提出的"记忆窗"随机抽样一致性算法估计出背景运动模型,再将补偿后的帧图像送入视觉显著性辅助ViBe算法进行目标检测,其中背景更新因子由图像的二维熵和显著性共同决定,同时,显著性特征也被用来对"鬼影"效应进行滤波抑制.实验结果表明,在缺乏运动前景目标的先验知识的情况下,本方法能够有效地解决通常方法对运动背景中的目标难以甚至无法检测的问题,并且具有较高的鲁棒性和检测效率.     

利用视觉显著性的前景目标分割

针对图像中的前景目标分割问题,提出一种视觉显著性引导的前景目标分割算法.对原始图像进行预处理后分解为互不重叠的超像素区域.将这些区域构成一个无向图,相邻两个区域间存在边,通过计算相邻区域间的特征差异得到边的权值.提取图像边缘的超像素区域作为背景区域,利用无向图计算各超像素区域相对于背景区域的视觉显著性,得到初始显著图.对初始显著图进行改进和优化,根据视觉显著性计算结果采用自适应阈值进行前景目标分割.在公开的图像数据集MASR-1000、ECSSD、Pascal-S和SOD上进行实验验证,并和目前流行的算法进行对比.结果表明,本研究算法在查准率、召回率、平均绝对误差及F-Measure等方面优于目前流行的几种算法,用于图像和视频的前景目标检测与分割是正确有效的.     

基于全局和局部低秩矩阵分解的图像显著目标检测算法

针对视觉选择性注意机制中,在凸显注意力目标的同时还需抑制背景区域对显著性目标影响的问题,提出一种基于矩阵低秩分解的图像显著目标检测算法.该算法首先结合图像CIE Lab颜色空间对比度特征和图像纹理特征快速获取初始显著图,然后分别从全局和局部两个层次对其低秩分解并加权融合,最终实现对初始显著图中背景非显著信息的抑制得到最终显著图.与其他显著性算法的对比实验结果表明,本文算法在有效检测显著目标的同时,显著图中的背景仅含有少量非显著信息,显著目标更加凸显,为后期计算机视觉任务提供了一种良好的预处理过程,具有一定的理论和实际应用价值.     

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。     

自适应背景更新及运动目标检测算法

从视频中检测运动目标是智能视频监控应用中的一项关键技术.文中提出了一种基于区域的自适应背景更新及运动目标检测算法,首先使用高斯模型建立初始的静态背景图像,通过背景减法得到差值图像;然后使用自适应阈值对差值图像进行二值化,并利用形态学滤波和连通区域面积检测进行后处理,得到运动目标区域掩模;最后,根据运动目标区域掩模检测出运动目标,同时使用基于区域的自适应背景更新算法动态更新背景图像.实验结果表明,该算法能够自适应地对背景模型进行更新,对于背景的扰动、光线的渐变等带来的影响有很好的抑制作用,可以有效地检测出运动目标.     

基于ADABOOST的可疑目标区域检测算法

大背景中微小目标检测的一个重要问题是可疑目标区域的确定。以棉花中污杂物的机器视觉检测为背景,提出了一种可疑目标区域算法:首先用DCT算法提取图像的频率特征,然后用基于ADABOOST的算法识别棉花图像中是否有污染物。实验结果表明算法达到了较高的识别精度。     

低分辨率SAR图像舰船目标检测

针对低分辨率合成孔径雷达(synthetic aperture radar, SAR)图像舰船目标受背景及杂波影响难以检测的问题,通过构建一种基于生物视觉侧抑制理论的背景抑制网络模型,有效地抑制了背景杂波.采用基于RENYI熵的分割方法提取舰船目标兴趣区域,以低分辨率SAR图像中舰船目标的成像特点为先验知识,结合同质性检验,滤除了兴趣区域中的虚假目标,降低了虚警率.实验结果表明:所提出的算法能够有效地抑制强海杂波背景,突出目标,既能用于检测SAR图像中带尾迹特征的舰船等运动目标,也可用于检测无尾迹特征的舰船目标.     

基于显著性模型和区域生长法的药卷缺陷检测

针对工业炸药生产过程中药卷表面裂痕的包装缺陷问题,运用机器视觉技术,提出一种基于显著性模型和局部方差区域生长法的药卷缺陷检测方法。该方法经过图像预处理,对药卷图像进行背景估计与差分;利用显著性模型,提取缺陷特征;通过局部方差区域生长法,分割目标区域,完成对缺陷药卷的检测。实验结果表明,该算法可快速有效地提取缺陷区域,平均检测时间为55.72 ms,缺陷检测率高达96.36%。     

参数自适应去阴影前景目标检测算法

针对前景目标检测中出现的对动态背景适应力不佳、受鬼影及阴影干扰严重的问题,提出一种改进的视觉背景提取(ViBe)算法.首先,通过像素点的动力学模型和闪烁程度来衡量场景的动态程度,并以此自适应更新像素分类和背景模型中的关键参数;然后,利用鬼影的视觉显著性和静止不动的特点,快速找出并消除隐藏在背景模型中的鬼影像素;最后,针对在HSV颜色空间下创建的阴影候选区域,结合移动阴影的纹理不变性,使用LBSP纹理特征进行检测并去除阴影部分.实验结果表明:本文算法的前景检测准确度与错误分类率都要优于经典算法,适用于多种场景下的前景目标检测.     

基于物体信息的图像显著性区域检测

针对目前图像显著性检测存在的显著性图边缘模糊、缺乏视觉高层信息等问题,提出了一种基于物体信息的显著性检测算法。将似物性计算与显著性计算相结合,可以将前景与背景分离,抑制高对比度干扰区域的影响。首先采用改进的L0平滑算法对图像进行滤波处理,然后通过超像素分割将图像分成若干图像块,再通过聚类算法进行合并,得到待检测图像块。采用似物性检测算法计算物体可能存在的区域,与待检测图像块进行融合,得到物体显著性图,再通过颜色对比度及空间分布特征计算显著性图,最后将二者融合,得到最终结果。实验结果表明,算法能够得到清晰的物体边缘,对图像的显著性区域能够较为全面地覆盖,有效地抑制高对比区域的干扰。     

基于注意的图像识别模型及其在人像检测中的应用

提出了一种基于注意机制的图像识别模型。其基本想法是：在进行复杂的场景分析或目标识别时,首先通过注视控制机制,获得视景中的关键特征区域,并将注视点按照一定的顺序对这些关键特征区域进行串行扫描。在扫描到每一个关键特征区时,将对该区域附近的局部模式进行记忆或匹配。对一个复杂目标的记忆将包括2部分,一部分是对局部模式的记忆,即组成该目标的各“部件”的模式;另一部分是对各局部模式之间的空间关系的记忆,即组成该目标的各“部件”之间的结构关系。与记忆过程对应,识别过程也包括2部分,一部分是对局部模式的匹配,另一部分是对各局部模式之间结构关系的匹配。当匹配上的局部模式足够多且其空间关系正确时,目标即得到识别。用该模型对复杂背景中的人像进行了检测。实验结果表明,模型较好地解决了不变性识别的问题,即识别结果与目标物的平移、旋转和尺度变化无关,并且具有良好的鲁棒性和速度,是一种具有认知意义并且可以实用化的模型。     

基于超像素显著性的无人机引导区域提取

为解决无人机视觉定位与导航中引导区域的提取问题, 提出了一种基于超像素显著性的引导区域提取方 法。 该方法首先利用 SLIC(Simple Linear Iterative Clustering)算法将地面图像划分为内部相似度较高的超像素区 域, 通过计算超像素的显著性值得到超像素显著性图, 再基于先验规则从超像素显著性图中提取合适的准引导 区域, 最后计算各区域的匹配概率, 从而得到高显著性和高匹配率的引导区域。 实验结果表明, 该引导区域提 取方法在测试集上的准确率和召回率分别为 89%与 87%, 基本满足无人机视觉定位与导航的要求。     

基于虚警识别与空-频域显著性映射的红外弱小目标检测算法

为了提高复杂背景与低信杂比率环境下的弱小目标检测准确度,有效控制虚警的干扰,考虑真实目标与背景的差异,设计了虚警识别耦合空-频域显著性映射的红外弱小目标检测算法。首先,根据红外中心像素在不同方向的强度,基于中值滤波器,构建了新的噪声滤波方法,充分抑制红外背景中的噪声干扰。随后,考虑中心像素与其邻域像素间的强度差别,设计背景抑制滤波机制,消除背景信息。根据初始红外图像与背景抑制结果,在空域内计算灰度映射。基于Fourier变换的相位谱,在频域内提取红外目标的显著性映射。利用背景的均值与方差,通过一个滑动窗口,建立候选目标检测方法,从灰度映射与显著性映射中确定候选目标。最后,利用真实目标位置的相关性,建立虚警识别方法,从候选目标中消除虚警,以保留真实弱小目标。实验数据表明:较已有的弱小目标识别技术而言,在复杂干扰背景下,所提方案可准确定位出真实目标,拥有更大的信杂比增益值与背景抑制因子,以及更好的ROC(receiver operating characteristic curve)特性曲线。     

基于水平集和视觉显著性的植物病害叶片图像分割

为了提高植物病害叶片图像分割的准确性和效率,提出了一种基于水平集和视觉显著性的彩色图像分割方法.首先采用基于小波变换的显著性检测算法得到活动轮廓模型中曲线演化的初始位置,并构造一个基于显著区域的图像活动轮廓模型,再设计一个向量值图像的边界检测算子,引入到距离正则化水平集演化的改造中,以构造一个初始化轮廓更灵活,演化速度更快,目标分割更精确的新的水平集能量泛函.最后的实验对比表明,该方法具有较好的叶片病害部位分割效果.     

基于优化查询的改进显著性检测算法

传统的基于图的流行排序算法,仅利用图像的边界作为背景查询,其查询选择的准确率直接影响算法的 结果,为此提出一种改进算法,利用现有算法的检测结果为基础,对前景与背景种子点的选取进行优化。 首先,对图像进行超像素分割,充分利用图像的中层信息; 其次,对图像利用流行排序算法计算图像显著图; 最后,对显著性结果进行处理,选取更优的查询点,得到最终显著图。在CSSD( Complex Scene Saliency Datase) 和ECSSD( Extended Complex Scene Saliency Datese) 数据集上与8 种算法进行比较,实验结果表明,该算法具有 更高的检测准确率。     

一种新的图像感兴趣区域的提取方法

对于Itti的显著图模型的感兴趣区域检测方法中,存在的检测结果与视觉感知有差异以及转移过程中同一目标内出现多个感兴趣区域检测结果等问题,引入灰度尺度变化特征和CV模型,以使感兴趣区域检测结果更符合人的视觉感知。实验结果表明,该算法检测到的感兴趣区域与人的视觉感知结果吻合率为77.6%,高于Itti模型的72.8%。     

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.