用于场景分类的显著建筑物区域检测

为了实现城市区域内室外场景的快速分类,提出了一种基于视觉注意力选择机制的显著建筑物区域检测方法.该方法首先通过Gabor算子对图像进行滤波,得到水平方向与垂直方向的联合增强图像,然后利用基于相位傅里叶变换(Phase Fourier Transform, PFT)的显著性映射算法提取视野中的显著建筑物候选区域,最后通过方向直方图判别算法去除干扰目标,并采用CV (Chan Vese)模型实现显著建筑物区域的分割.该方法在注意力选择机制及建筑物方向特征的基础上,提取具有场景代表性的建筑物区域信息,增强了算法的时效性和场景分析能力,同时实现了区域信息在像素级上的精确检测,并将其应用于美国南加州大学的多类室外场景数据库.实验结果表明,显著建筑物区域检测方法在检测结果、计算速度和鲁棒性等方面均取得了较为满意的效果.     

基于空间分布特性和局部复杂度的显著目标检测算法

目前的视觉注意显著区域检测算法,主要依赖像素间的相互对比,缺乏从全局角度对显著目标的分析理解。依据显著目标是显眼、紧凑和完整的思路,提出一种基于目标空间分布特性和局部复杂度的无监督视觉注意显著目标自动提取算法。首先根据局部区域与其多个尺度邻域的对比,得到亮度显著图;然后利用颜色信息的显眼性、空间分布和区域一致性得到颜色显著图;同时通过对方向的空间分布和局部复杂度进行多尺度分析得到方向显著图;最后通过显著值的空间分布和面积增强因子相结合的融合策略得到输入图像的显著图,根据显著区域确定感兴趣区域位置,在基础上完成目标检测。将此方法应用于各类具有不同特点的彩色图像进行仿真实验,得到较好的检测结果,表明该算法是切实可行。     

基于直方图匹配的图像抖动消除算法

基于图像差分算法的运动目标检测中,固定好的摄像头在受到重型车辆驶过、强风等因素影响下,所拍摄到的图像仍会出现抖动,而图像抖动对提取图像中的运动目标干扰非常大。本文设计了一种基于预先划定一个或多个目标匹配区域的颜色直方图匹配算法,通过分析和比较抖动前后两幅图像目标区域和候选区域颜色直方图的相似度,找到最优匹配块并得到对应块运动位移,从而求出两幅图像的绝对运动位移,最后消除干扰位移。实验结果表明,该算法鲁棒性好,能够准确消除抖动位移给运动目标检测带来的干扰。     

一种鲁棒全局对比度的显著性检测方法

目的为改善显著对象检测效果不佳的现象,提出一种鲁棒显著性检测方法。方法通过重复计算全局颜色对比度来计算显著值,使用非归一化的盒式滤波器与直方图优化技术构建显著区域。结果提取原始图像的超像素显著区域与前2个阶段的显著图进行融合产生效果良好的显著图。结论在公开数据集MSRA1000上测试,结果表明所提出的方法具有更好的检测效果。     

基于投影直方图提取目标感兴趣区域的新方法

提出了一种基于灰度投影直方图获取单幅检测样品的目标感兴趣区域的方法,并利用鲁棒的图像匹配算法生成参考图像.首先,采用改进的灰度投影直方图法获得单幅图像的检测样品感兴趣区域,建立感兴趣区域提取模型;其次,利用基于形状的特征匹配算法学习样品图像,生成印刷品检测的参考图像,在此基础上,提出基于图像金字塔数据结构的分层匹配方法.实验结果表明,该方法能够在87 ms内获取首张图像样品感兴趣区域,并且图像匹配过程对图像之间存在的明暗程度、旋转变化等干扰具有良好的鲁棒性,匹配精度可达95%,匹配时间为152 ms,可快速准确地生成参考图像.     

基于熵值优化的图像感兴趣区域提取改进方法

在现有感兴趣区域提取的多种方法基础上,为进一步提高图像中用户感兴趣区域提取的准确度,提出一种对图像熵值先进行优化再进行分割的图像感兴趣区域提取方法。首先通过直方图均衡对目标图像进行输出熵值上的优化,并使用维纳滤波来抑制直方图均衡放大的噪声信号;然后对滤波后的图像进行最大类间方差分割方法来提取目标图像中的感兴趣区域。实验结果表明,该算法不仅能有效降低分割误差,而且对感兴趣区域在细节信息方面的处理有很好的效果。     

改进凸包的贝叶斯模型显著性检测算法

针对传统贝叶斯模型算法对图像显著区域检测精度需要进一步提高的问题,提出一种改进凸包的贝叶斯模型显著性检测算法。首先,利用流行排序算法对图像进行前景提取,提取的前景区域作为贝叶斯模型的先验概率;其次,利用颜色增强的Harris角点检测算法检测图像在RGB,HSV,CIELab 3个颜色空间中的特征点,分别构造RGB,HSV,CIELab空间的凸包,求取3个颜色空间下的凸包的交集;再次,通过贝叶斯模型根据先验概率、凸包与颜色直方图结合得到的观测似然概率计算获得显著性区域图;最后,将新算法在两大公开数据集MSRA和ECSSD中进行测试。结果表明,新算法能够有效抑制背景噪声,完整检出显著区域,F-measure值在MSRA和ECSSD数据库中的测试结果分别为0.87和0.71,准确率-召回率曲线在复杂图像数据库高于传统经典算法。新算法改进了传统经典算法的检测效果,进一步提高了显著图检测的准确性。     

基于目标区域颜色与纹理特征的图像检索

该文提出一种基于目标区域的图像检索方法。该方法首先利用色度直方图完成对图像目标区域的提取；然后以目标区域的纹理特征作为全局图像的特征向量进行图像间相似度的检索。该方法综合利用了图像的颜色及纹理特征，并根据人的视觉习惯以图像目标区域的特征作为图像的检索特征。实验表明，该方法在检索效果和检索效率上都优于利用单一特征或全局特征的检索技术。     

基于自适应三分图的玉米穗丝精细化提取

玉米穗丝是玉米的受粉器官,它的生长发育状况将直接影响玉米产量。为了实现穗丝性状的自动监测与评价,提出一种基于自适应三分图的玉米穗丝精细化提取方法。首先基于直方图对比度的显著性检测算法预估目标显著性,形成显著图,再利用自适应阈值分割对显著图初步预分割;然后寻找最大连通域获得单一目标二值图像,根据穗丝特点确定形态学处理的最佳卷积核并生成包含目标、背景和不确定区域的自适应三分图,以Laplace矩阵优化closed-form matting算法中目标函数的分块矩阵;最后根据玉米穗丝特点,结合三分图结果和优化过的算法对玉米穗丝进行软分割实现精细化提取。实验结果表明：所提的研究方法像素精度值为97.96%,综合评价指标值为94.16%;其中像素精度值相较于基于点运算的OTSU算法、Grabcut算法和基于神经网络的深度学习算法SeFormer和DeeplabV3,分别提高了10.43、2.35、1.67和1.91百分点,综合评价指标值分别提高了23.96、5.59、4.28和5.13百分点。此方法能有效弥补硬分割算法对玉米穗丝这种特殊对象的分割缺陷,提取的目标区域接近真实区域,准确度高,从而为智...     

基于光密度的低压喷油器喷雾形态分布特征检测方法

人工称重方法在检测低压喷油器喷雾形态分布时存在的精度低,操作复杂等问题.设计了一种基于光密度法的检测方法.该方法采用高精度的CCD相机与高密度集油盘配合采集油雾分布图像,提取目标区域的灰度值,利用灰度与集油液位高度之间的关系,获取喷油器喷雾分布的三维形态图.试验表明,该方法能够快速准确测量喷油器的喷雾分布特性.     

基于区域对比的图像显著目标检测

针对具有杂乱背景图像的显著目标检测问题,提出了一种无需任何先验知识,通过分析计算区域平均显著值的对比度来提取显著目标的方法.根据显著图,计算出显著目标的最小边界框与其周围区域的显著性差异,且通过折半查找的方法加快搜索的收敛速度.结果表明,该算法能迅速检测出与人类视觉感知结果一致性较高的显著目标区域.     

基于多尺度自适应显著区域检测的舰船三维重建外点消除

针对海杂波影响下对海拍摄舰船图像,在三维重建过程中存在的大量冗余外点的问题,给出了一种多尺度自适应显著区域检测方法提取舰船区域,滤除海面信息,以消除密集点云中的外点.该方法利用大尺度因子高斯滤波,定位出舰船的大体轮廓,利用图像亮度分量显著图开方值提取舰船水面倒影,利用基于目标尺度的自适应高斯滤波提取舰船精细轮廓,从而得出较精确的舰船区域检测结果,可有效消除三维重建过程中外点的影响.     

基于HSV和HE的复制粘贴篡改检测算法

针对块匹配检测算法不能准确提取图像面积较小区域、自然相似区域以及平滑区域特征的问题,提出一种基于HSV(hue,saturation,value)颜色空间和直方图均衡化算法的复制粘贴篡改精确检测与定位的方法。将待测图像从RGB(red,green,blue)颜色空间转换到HSV颜色空间,并通过直方图均衡化算法对图像HSV颜色空间的V通道进行特征增强;提取基于圆谐波变换的特征构建特征向量;使用最近邻搜索算法对构建的特征向量进行快速随机搜索得到稠密的偏移场;采用稠密线性拟合的方法滤除错误匹配,并通过形态学操作标识定位出篡改区域。实验结果表明,所提方法能够有效降低面积较小区域、自然相似区域和平滑区域的误检与漏检像素,从而提升检测结果并准确定位出图像的篡改区域。     

基于交叉分块直方图的图像检索方法

在基于内容的图像检索技术中,颜色是常用的图像特征。提出了一种基于交叉分块直方图的图像检索方法。首先,对图像进行交叉分块得到若干子图像;然后提取子图像的颜色直方图特征,构造特征向量;最后根据空间距离度量图像间的相似程度,确定检索输出结果。用交叉方式分块得到的子图像间相互交叉重叠,能够在获取图像颜色特征空间分布信息的同时保持图像目标的完整性,并有效抑制图像背景区域对检索结果的干扰。仿真实验结果表明,基于交叉分块直方图的图像检索方法具有优于基于均匀分块直方图的图像检索方法的性能,适用于对多种类型图像的检索。     

历程图中的弱目标轨迹增强方法

针对受海洋环境、干扰等影响而导致历程图上弱目标不明显,进而使目标检测能力降低的问题,提出一种新图像检测算子与一维直方图分段均衡联合处理(NIDO-ODSHE)的弱目标轨迹增强方法。首先利用新图像检测算子对波束输出数据中的历程图进行滑窗检测,接着对检测后的数据进行子自适应分段直方图均衡增强处理,最终得到新的历程图。采用NIDO-ODSHE方法处理后的历程图能获得较大处理增益,历程图更清晰,弱目标轨迹显著增强,而且处理过程中无需设置参数、计算量小。通过对被动声纳历程图的仿真和试验数据分析表明:NIDO-ODSHE方法可以增强历程图弱目标,提高弱目标人工/自动检测能力;与直方图均衡(HE)处理方法相比,NIDO-ODSHE方法可使图像均方误差提高12%以上,图像清晰度提高6%以上。     

利用颜色向量角直方图进行基于内容的图像检索

分析颜色直方图在基于内容的图像检索（content-based image retrieval,CBIR）中存在的问题,提出一种应用图像边缘空间分布的检索方法.利用颜色向量角对亮度不敏感,对色度和饱和度敏感的特性提取彩色图像边缘.在图像的边缘像素及其近邻提取颜色向量角直方图,同时在图像的平滑像素区提取颜色直方图,将两种直方图结合起来用以描述图像内容.该方法较充分地利用了图像的颜色、边缘、形状信息,具有良好的光照不变性,与颜色直方图法相比,检索效果有明显改善.     

利用图像块数据库和纹理特征点的图像彩色化方法

针对颜色转移彩色化算法存在速度慢、效果不佳及人工干预性强等问题,提出一种新型的彩色化算法.首先从聚类分割后的各类区域彩色图像中提取矩形块,并计算图像块的颜色直方图和纹理特征;利用颜色直方图比较图像块的相似性,实现数据库的选择性录入;利用目标图像块与彩色图像块纹理特征点之间的欧氏距离比较,查找最佳匹配的图像块,进而实现目标图像的彩色化.通过建立树木、天空、沙滩和草地4类图像块数据库,实现基于数据库技术的免除人工干扰的图像彩色化.     

基于MATLAB的直方图和区域对比度相结合的图像显著性检测

在分析现有显著性检测模型的基础上,采用直方图和区域对比度相结合的方法对彩色图像进行显著性值计算。基于颜色直方图得到原彩色图像的显著图,使用聚类方法将图像分割成不同的区域,计算区域之间的相似性,把区域中心间的欧氏距离作为区域之间的空间权值,计算得到原彩色图像的另一显著图。为两幅显著图分配和为1的权值,相加得到最终的显著图。结果表明,此方法获得的显著区域比较符合人眼视觉效果。     

基于视觉词袋模型的图像信息处理算法研究

研究一种基于视觉词袋模型的图像筛选与搜索优化算法以提高机器人闭环检测质量和降低图像信息处理量.首先,通过SURF算子提取图像中的特征信息,构建对应的视觉词袋模型,并形成视觉词袋直方图;其次,基于视觉词袋直方图计算获得对应的图像混合显著度,进而筛选出信息量丰富且可区分度大的图像,并组成待搜索图像集合;然后,从视觉词袋直方图中提取图像中的显著主要特征类组成集合,并用其近似替代图像的特征分布情况,以降低图像特征信息处理量,加快图像搜索速度.最后,仿真实验证明本文提出的图像筛选和搜索方法的可行性和有效性.     

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。