超像素梯度流与元胞机融合的视频显著图检测

使用静态空间特征通常无法得到准确的视频显著性目标对象,提出了超像素梯度流场与元胞自动机融合的视频图像显著性检测方法.首先,使用SLIC方法将视频帧分割成超像素,在超像素级上运用光流梯度和颜色梯度生成一个时空梯度函数,由时空梯度得到新的梯度流场值,将视频中运动信息充分利用起来;其次,在视频帧超像素图像上使用卷积神经网络得...     

基于流行排序的显著性检测改进算法研究

图像显著性检测是从单幅图像中检测出最突出的部分,由于现有的显著性检测算法只考虑了单尺度的问题,本文提出一种线性加权图融合的显著性检测算法。该算法首先利用超像素分割算法对图像进行多尺度分割,然后利用线性加权融合算法,得到最终的显著图。在数据集ASD和ECSSD上与当前流行的8种检测算法进行实验比对,结果表明,本文算法能获得更优的F-measure值和精确度,而且可以获得更加均匀准确的显著图。     

基于Seam Carving的双向接缝裁剪图像重定向

在比较现有图像重定向技术方法基础上,针对传统Seam Carving方法,其图像边缘重要度图的表征内容感知存在忽视了图像内容主体与边缘关系的问题,提出一种双向接缝裁剪的图像重定向改进方法.该方法通过结合检测边缘的梯度能量图和检测内容的显著性图,突出重要对象主体和保护重要边缘信息,同时延缓裁剪细缝穿过重要信息的可能性,能够保持重定向图像的重要部分与图像整体之间的布局合理关系.以SIFT Flow算法作为质量评估参考,利用实验数据集和多组对比实验,验证了本研究图像重定向改进方法具有良好的视觉改善效果.     

多尺度形态梯度和标记分水岭的时频谱图分割

时频谱图干扰强,目标之间、目标与干扰之间有重叠,其分割是重要而困难的问题.提出一种基于图像熵定义的时频谱图多尺度形态梯度图像融合方法,将该方法与标记分水岭分割结合形成一种基于多尺度形态梯度和标记分水岭的时频谱图分割方法.实验结果表明,与基于单尺度形态梯度和标记分水岭的分割方法相比,新方法实用性更强;与Otsu法相比,新方法分割更准确.     

一种基于偏微分方程和Canny算子的图像分割方法

边缘轮廓的分割与提取是基于图像处理方法检测线束端子压接质量的前提。针对传统图像处理方法自动提取线束端子截面边界轮廓不准确的问题,以偏微分理论为基础,结合Canny算子边缘检测方法,提出一种基于偏微分方程和Canny算子的边缘检测模型。利用卷积边界自动填充图像边界,通过梯度非极大值抑制选择阈值最大化区分目标和背景。理论研究和实验结果表明,该模型不仅能比较准确地检测图像边缘轮廓,而且对噪声、模糊有一定的抑制作用。该模型已经应用在线束端子断面轮廓自动测量系统中并准确地提取边缘轮廓。     

基于多尺度多通道均值的视觉显著性检测

针对已有视觉显著性检测方法很难清晰地提取出图像的显著性区域、检测准确性不高的问题,提出一种基于多尺度多通道均值的视觉显著性检测方法.利用二维小波变换对图像进行小波分解和重构,用双立方插值对滤波后图像进行多尺度缩小,计算图像各个通道的均值,以图像与各个通道均值的距离作为图像的显著值,保留图像中显著值不小于其显著均值的部分,用双立方插值对图像进行放大并进行图像叠加,利用线性归一化得到最终显著图.结果表明所提出的方法能够清晰地提取出图像的显著性区域,提高检测准确性.     

基于视觉感知特征融合的图像质量评价

在图像压缩,图像恢复和图像传输等领域中真实评价输出图像的视觉质量是一项重要的工作。图像质量评价(IQA)旨在开发一种与人眼视觉感知紧密相关的方法。本文提出一个新的图像质量评价模型VFDP,该模型首先在视觉显著性特征基础上,结合颜色特征和梯度特征来描述局部图像质量。其中,本文采用新的计算梯度特征相似性方法,该方法融合参考图像与对应失真图像的亮度通道,并计算该通道的梯度图与参考/失真图像梯度图之间的相似性。最后采用平均偏差加权的方法对视觉显著特征,颜色特征与改进的梯度特征融合,得到图像质量评价结果。在TID2013、TID2008与LIVE数据库测试,结果表明VFDP所预测的PLCC与SROCC值优于8种主流算法预测的结果,其预测结果与人眼主观评价有较好的一致性。     

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。     

基于改进Ratio和区域MRF的SAR图像分割方法

针对SAR图像中存在强烈乘性相干斑噪声,在没有滤波前提下,提出了基于改进的均值比率(Modified ROA,MROA)和区域马尔科夫随机场(MRF)相结合的SAR图像分割方法。针对SAR图像实际,要求边缘检测算子能克服乘性相干斑噪声并且准确定位边缘,采用MROA直接检测SAR图像梯度,然后与分水岭变换相结合进行初始分割,在初始分割的基础上,结合区域邻接图和MRF方法,即使用区域水平的MRF实现区域合并。用提出的方法对合成图像和SAR图像分别进行分割实验,结果表明该方法有效、准确性好。     

基于颜色与梯度布尔特征融合的图像显著性检测

图像显著性检测存在区域不均匀、显著性值低的问题,本文在对BMS(Boolean Map based Saliency)模型进行研究的基础上提出了基于颜色与梯度布尔特征融合的显著性检测模型(Boolean Map of Color and Gradient based Saliency,BMCG)。根据Gestalt前背景分离的原则,通过随机阈值化颜色通道和梯度通道产生含有图像拓扑结构的二进制布尔新息图,进一步生成视觉注意图并进行线性融合,经过后处理形成显著性图。仿真结果表明BMCG算法比BMS算法的召回率提高了2.12%,准确率提高了4.56%。     

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DCT块特征与背景先验的JPEG图像显著性检测算法

提出一种新颖的基于最短路径的JPEG图像显著性检测算法.算法在JPEG图像的DCT系数块中直接提取出灰度、纹理和颜色3种低层次图像特征;然后,通过计算其内部块到达图像边界的最短路径来得到最终显著性值;最后,在公开测试集MSRA-1000上与多种图像显著性检测算法进行对比.实验结果显示,方法在4种不同的评测标准上都优于对照算法,并且能够快速、高效地产生令人满意的显著性图.     

基于MRDMD模型的噪声图像显著性检测方法

针对当前显著性区域检测方法对具有噪声的图像检测不准确的问题,提出一种基于多分辨率动态模式分解的显著性区域检测方法,该方法将动态模式分解(dynamic mode decomposition, DMD)与多分辨率分析(multi-resolution analysis, MRA)结合在一起,在时域和空间域中对多尺度系统进行建模.首先将输入图像进行色彩空间转换和边缘检测,然后使用图像的色度、亮度和边缘信息生成顺序快照矩阵,最后将其提供给多分辨率动态模式分解(MRDMD)模块进行3个级别的分解,获得图像的显著性区域映射.实验结果表明:本文方法在干净和嘈杂的图像中均能够检测出完整、边界清晰的显著性区域,相比于其他检测方法,性能具有明显的改善.     

基于模糊联合误差的红外图像边缘检测方法

图像的边缘检测中,非优化梯度阈值选择的不当会造成某些边缘点的丢失;而模糊阈值方法,需占用大量存储空间来搜索参数的最优组合.针对以上问题,本文在模糊理论的基础上,并结合红外梯度图像的特点,提出了一种基于模糊联合误差的红外图像边缘检测方法.本文首先通过改进的Sobel算子构造出红外图像的梯度图,在对其进行模糊划分的基础上计算区域模糊度,最后通过对区域联合误差的比较,确定模糊区域中像素点的隶属,实现边缘提取.与传统的基于梯度的边缘检测算法及最大模糊熵算法进行了对比实验.结果表明,该方法用于红外图像边缘检测时,能够在更短的处理时间内,保留更多的边缘信息.     

基于分数阶微分梯度的噪声检测算法

为了在图像去噪的同时,更多地保留图像原有的特征信息,本文将分数阶积分理论引入到数字图像去噪中,通过分数阶微分梯度算法确定图像中噪声的位置,如果只对噪声点进行去噪处理,就可以有效保护图像的纹理和边缘信息.实验结果表明,基于分数阶微分梯度的噪声检测算法可以更准确地确定图像中噪声点像素的位置.     

基于梯度幅度和梯度方向直方图的全参考图像质量评价算法

为了提高全参考图像质量评价算法的性能,提出了一种基于梯度幅度和梯度方向直方图的图像质量评价算法.梯度方向直方图可以描述图像中局部物体表象和形状,梯度幅度能精细地反应图像中微小细节的反差和纹理变化.分别计算参考图像和失真图像的梯度幅度和梯度方向直方图,然后计算梯度幅度相似度图和梯度方向直方图相似度图,最后通过标准方差加权的方式得到图像的预测质量分数.在LIVE,TID2008和IVC三个图像数据库上的实验结果表明,所提算法的预测结果与人的主观判断具有较好的一致性.     

基于机器视觉的O型密封圈外观缺陷检测

针对O型密封圈表面细微缺陷检测困难的问题,提出了一种基于6光度立体法和图像综合特征分析的密封圈缺陷检测方法。首先采集6个不同光源角度的图片,利用光度立体法重构表面梯度图和反射率图。然后将表面梯度图先转化为平均曲率和高斯曲率图像,再转化为灰度图并使用固定阈值分割出缺陷区域。将反射率图经高斯滤波后,采用局部的均值和方差阈值分割缺陷区域。最后,对得到的缺陷区域连通域特征分析并准确选择出缺陷。实验测试结果表明,该方法对密封圈表面存在熔痕、凹凸、流痕等细微缺陷有较好的效果。在所设计的密封圈质量检测系统的应用中,检测准确度大于98.4%,能解决目前工业中存在的密封圈缺陷检测识别率不高的问题。     

基于图像边缘和对比度的显著目标检测

为了对自然场景中各类显著目标进行准确的检测,提出了一种结合图像边缘和多尺度对比度信息的检测方法。首先对图像进行快速双边滤波,在对图像平滑去除复杂纹理的同时保留物体结构边缘信息,然后用直线检测算子进行边缘检测得到边缘显著图。再利用对比度检测算子计算图像的区域对比度和全局对比度得到对比度显著图。融合边缘显著图和对比度显著图得到最后的显著目标图。实验表明该方法准确率高于大多数现有的显著目标检测方法。     

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.     

基于视觉显著特征的人脸图像分割与跟踪方法的研究

将人脑视觉注意机制应用于人脸图像分割与跟踪中,提出了一种基于视觉显著特征的人脸目标分割与跟踪算法.该方法由三步完成：首先通过模拟人脑视觉注意机制迅速而准确地利用颜色、结构、梯度和位置等信息建立人脸显著特征图.其次,基于建立的视觉显著特征图,对人脸图像视觉显著特征进行学习和聚类,最终能够快速而准确地确认和分割出图像中的人脸区域.该方法突破了传统的逐点搜索的限制,通过一个几何模型和眼图模型对图像中的人脸区域进行搜索,大大提高了人脸候选区域搜索标记的效率,减少了后续处理工作.最后,通过分割出的人脸区域得到一个有效的边界特征图,并融合人脸显著特征图对人脸进行跟踪.实验结果表明本论文所提出的基于视觉显著特征的人脸图像分割与跟踪方法能够较有效地分割出人脸.