结合图像全局和区域特性的显著性检测

结合现有的显著性检测理论,针对基于全局对比度方法的不足,提出了以HC方法为基础并引入区域显著性与预处理的简单有效的能产生完全分辨率显著图的方法.在ASD测试集上进行了测试,结果表明:此方法取得了接近甚至高于现有一些方法的结果,并且具有较少的计算时间.     

基于视觉注意力融合的表面微小缺陷检测

在生产过程中手机等智能设备的屏幕表面可能出现的微小缺陷与灰尘等脏污很相似,传统检测方法易将脏污误检为缺陷。为了提高产品表面微小缺陷的识别准确率,本文提出一种基于视觉注意力融合的检测方法。首先利用金字塔下采样初步识别出潜在目标,以减少图像数据量及提高计算效率,然后将角点检测、伽马变换和Otsu阈值分割等传统检测方法与3种显著性提取方法(布尔图显著性模型BMS、谱残差模型SR和频率调谐模型FT)相结合,建立了融合检测模型。实验结果表明,所提出的融合模型能够较为准确地区分出缺陷与脏污,F₁值可达到0.73,与其他几种显著性检测方法相比,本文方法在对脏污的识别上具有明显优势。     

高铁轮毂表面缺陷的视觉显著性超像素图像检测方法

针对高铁轮毂表面缺陷实时在线检测问题,提出一种基于视觉显著性注意机制的超像素自适应检测方法。首先采用同态滤波器对缺陷图像进行预处理,去除环境光污染噪声引起的图像亮度分布不均匀问题,构建轮毂表面缺陷图像的谱残差视觉注意模型,之后采用超像素分割算法对缺陷显著性图像进行自适应阈值分割,标记出高铁轮毂表面缺陷的二维空间位置,实现轮毂表面缺陷的边界检测和形态估计。本文方法在高铁轮毂表面缺陷检测实验平台上进行了实验验证,结果表明：该方法能够有效抑制图像分割中的过分割问题,对缺陷的边界信息提取准确,鲁棒性较好。     

基于机器视觉的胶囊缺陷检测装置设计

针对单一角度采集的图像检测样本存在的高误检率、错误率等问题,文章提出一种特殊的打光方案及相机安装方案,实现对胶囊360°全方位的缺陷检测,利用彩色相机填补了胶囊异色点、黑点,印字、小切口以及混批等缺陷不能检测的空白。在胶囊有序传送的前提下,提出"隔组间排"原理,以更多时间和空间使电磁铁伸缩杆完成踢废动作,平衡"传送效率""检测效率""踢废效率"三者之间的矛盾,提高设备的处理能力,实现胶囊的缺陷检测。     

基于机器视觉的钢板表面缺陷在线实时检测系统

钢板表面缺陷将对钢的耐磨性、抗腐蚀性等带来一定的影响,本文提出一种基于机器视觉的钢板表面缺陷检测系统。设计了光学成像子系统、图像实时采集子系统、图像准实时处理子系统及缺陷分类子系统。采用模块化设计方便系统在硬件和软件上的扩展,最后采用多分类器集成方法对图像缺陷进行自动分类识别。     

融合运动和空间关系特性的显著性区域检测

为了解决传统视觉显著性模型在复杂现实场景中容易失效的问题,提出了一种融合运动和空间关系特性的显著性检测方法.在颜色对比度的基础上,引入图像中目标的空间深度关系和运动特征.首先建立深度显著性模型,并使之与颜色显著性融合获得空域显著图;然后通过分析运动矢量得到运动特征显著性,并采用加性融合和乘性融合联合的方式计算出最终的显著图.实验分析建立在多个立体图像数据库之上,量化评价和视觉观测均表明:本方法可以有效地提取显著性区域,检测效果优于传统方法.     

自然场景图像中基于视觉显著性的文本区域检测

从自然场景图像中抽取文本信息有利于场景图像的内容分析.文中根据图像中文本通常在局部区域具有显著性的特点,提出多尺度包围盒视觉显著性模型,并利用该模型设计一种可以融合边缘和纹理信息的候选文本检测方法.首先在Lab颜色空间构造基于边缘和纹理信息的图像同质性,并利用它将图像映射到同质性空间;然后根据多尺度包围盒视觉显著性模型求Lab颜色空间的同质性均值图像;最后求同质映射图像与同质性均值图像的加权欧氏距离,将其作为显著性度量,以提取文本区域.自然场景图像的实验表明:与单纯利用边缘检测或同质性映射进行文本检测的方法相比,文中提出的方法能够更好地抑制背景的干扰,这有利于进一步将文本区域与背景剥离,进行更精确的文本定位.     

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。     

基于显著性区域的红外行为识别

视频特征的提取是行为识别方法中一个关键步骤,当视频场景中存在无关行人或者背景干扰时,提取的特征往往会包含较多的干扰信息,这将严重影响分类器的分类效果,进而影响行为识别准确率。针对这类问题,提出了一种基于显著性区域的红外行为识别方法。该方法对视频序列提取光流运动历史图(optical flow motion history image, OF-MHI)特征,获取视频序列的运动信息,此步骤旨在消除图像背景及静止目标干扰。利用类别激活映射(class activation map, CAM)方法进一步消除运动目标干扰,获得兴趣目标显著性区域,进而获得显著性区域特征图。输入卷积神经网络(convolutional neural network, CNN)提取最终特征,并采用支持向量机(support vector machine, SVM)获得识别结果。与传统方法相比,实验结果表明,该方法有效地提升了识别准确率。     

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.     

一种基于总变分与显著性检测的红外与可见光图像融合方法

红外与可见光图像融合是多源信息融合中的一个重要研究内容,它在军事侦察等方面有着广泛的应用.本文基于总变分模型和显著性检测方法,提出了一种有效的融合方法.首先,通过对红外与可见光图像的特征分布考察,构建了一个信息融合的总变分模型.其次,基于亮度对比度的显著性检测,给出了总变分模型中保真项权值的估计方法.实验仿真表明,无论是视觉观察还是客观评价,本文的方法均比一些现有方法体现了更好的结果.     

基于视觉显著性信息的自然图像抠图算法

为了解决目前抠图算法的采样不充分问题,提出了一种在视觉显著信息指导下的采样,并通过可信度计算确定样本可用性的自然图像抠图算法SIGM.该算法将视觉显著模型引入采样过程,以显著图为指导重点采集区域内的颜色显著样本点.综合分析候选样本对的可信度,将是否符合线性假设、颜色空间内的距离、局部显著性等作为评判依据,选择具有高可信度的样本对来估计透明度值.使用抠图拉普拉斯矩阵作为代价函数的平滑项,优化估计透明度值,得到最终的图像掩膜.实验结果验证了该算法的有效性和准确性.     

森林背景下基于自适应区域生长法的烟雾检测

森林背景下,有效的烟雾检测在避免大规模森林火灾方面具有极其重要的意义。当前的研究对烟雾移动得很慢或没有清晰背景的情况下往往表现较差的性能,提出一种针对烟雾检测的自适应区域生长法。采用改进的卡尔曼滤波检测出运动区域,假设烟雾的亮度与视频照度之间存在线性关系,采用支持向量机（support vector ma-chine,SVM）线性回归方法得到烟雾亮度的近似范围,并定义亮度约束,基于检测得到的运动区域,同时考虑亮度约束和纹理约束,蔓延出烟雾区域的主要部分,提取基于区域的特征来做 SVM分类。对比实验结果表明,该方法优于传统的方法,并具有更强的鲁棒性。     

基于光度立体技术的地板疵点检测方法研究

不同类型地板的疵点检测系统需要不同的检测算法,这样不仅会提高生产成本,还会造成产品检测流水线的复杂程度,为此我们提出了一种对两种不同纹理表面地板疵点的检测方法。首先采集若干幅地板图像,利用光度立体测量技术进行处理,再通过SVM分类器对图像分类。对表面光滑的LC11软木地板疵点进行一般的阈值分割算法处理即可;对于表面粗糙的荔枝纹pvc运动地板预先进行平滑滤波、FFT处理,再通过阈值分割等算法处理。试验结果表明,我们提出的这种疵点检测方法可以较好地满足对两类地板疵点的检测。     

基于流行排序的前景背景显著性检测算法

为准确提取图像显著区域,提出基于流行排序的前景背景显著性检测算法。首先,采用SLIC(simple linear iterative clustering)方法对经平滑处理的图像进行超像素分割。然后以超像素作为图中节点,采用自适应参数计算节点之间的权重以解决因采用固定值导致的图像效果不理想的问题。其次,在计算背景查询节点时,通过阈值剔除边界超像素中不属于背景的像素,以保留合适的查询节点,避免因显著目标位于图像边界而错把非背景像素标记为背景查询节点的问题。最后,因前景优先方法可以有效抑制背景噪声,而背景优先方法对背景噪声抑制不足,但可均匀突出前景目标。因此,采用相乘或者取平均的方式融合前景背景显著图以得到最终的显著图。在公开数据集MSRA、SED2及ECSSD上与其他算法进行实验对比,实验结果证明了算法的有效性。     

基于摄像机模型的运动车辆车道偏离检测

针对车道偏离检测中较难解决的车载摄像机标定问题,从分析摄像机成像模型入手,根据图像中3条或3条以上车道线的消失点位置以及车道线斜率关系,在道路现场调整摄像机安装位置,以实现对摄像机外部参数的直接设定,从而避开了繁琐的摄像机参数标定过程.同时,推导出图像内车道线斜率比与车道偏离程度的简单函数关系,该函数与摄像机内外参数无关.因此,行车过程中只需测量图像中车道线的斜率,即可计算出车辆当前的车道偏离量.现场试验结果表明,在车辆直行时采用该方法测得的车道偏离率与手工实测结果相比,其相对误差小于5%,具备了较高的检测精度.     

A computational coding model for saliency detection in primary visual cortex

This study researches the coding model adaptive for information processing of the bottom-up attention mechanism.We constructed a coding model satisfying the neurobiological constraints of the primary visual cortex.By quantitatively changing the coding constraints,we carried out experiments on images used in cognitive psychology and natural image sets to compare the effects on the saliency detection performance.The experimental results statistically demonstrated that the encoding of invariant features and representation of overcomplete bases is advantageous to the bottom-up attention mechanism.     

一种基于概率密度分布的图像边缘检测技术研究

图像边缘检测是机器视觉和目标提取的重要步骤,直接决定目标检测的准确性,传统边缘检测方法大都只利用像素的梯度信息和局部邻域信息,使提取的图像目标边缘存在断点,文中引入像素的概率密度分布函数描述像素在整个图像空间的全局分布信息,提出一种新的图像边缘检测方法。仿真试验结果表明,与传统方法相比,新方法具有较好的图像边缘检测效果。