基于边界扩展的图像显著区域检测

在显著区域检测中,背景先验已被证明有效。通常,图像的边界图像块被假设为背景,其他图像块根据与边界图像块之间的差异来确定显著性,差异越大则显著性越强。然而,当图像背景杂乱或者前景与图像边界有重叠时,仅仅利用边界图像块作为背景将会产生包含较强噪声的显著图,从而使得检测精度下降。该文首先将图像边界图像块向图像内部扩展,使其包含尽可能多的背景像素;然后,利用未扩展到的图像块作为前景查询项,采用二级排序算法来度量所有图像块的显著性。在3个公开的复杂显著区域检测数据集上的大量实验表明该算法优于其他5种算法。     

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.     

基于方向特征对比的图像显著区域检测算法

人类视觉注意力模型的研究结果表明,颜色特征、方向特征等底层特征是影响人类视觉注意力的重要特征。最近学术界提出了一些基于全局对比的显著性检测算法,但是这些算法仅涉及到颜色这一底层特征,而没有使用方向特征。这就影响了这类算法对方向特征对比度强而颜色特征对比度弱的图像的检测性能。因此,本文提出了一种基于图像方向特征全局对比的显著区域检测算法。首先,将图像过分割为若干不规则的超像素作为图像显著性计算的基本单元,把图像超像素的LBP（Local Binary Patterns）统计直方图作为该超像素方向特征的描述。然后,计算图像超像素的方向特征的独特性和方向特征的分布性。根据图像超像素的方向独特性和方向分布性计算超像素的显著性。最后,将显著性值分配到图像的每一个像素点上。在现今国际最流行的两个数据集上进行实验的结果表明,该算法可以有效弥补只使用颜色特征的显著性检测算法的不足,从而达到较好的检测效果。     

融合图像显著区域二维形状特征的图像检索

为研究在基于内容的图像检索中形状特征对图像检索效果的影响,提出了一种融合图像显著区域二维形状特征的图像检索方法。提取图像中显著区域的形状特征,融合图像的纹理和颜色特征来对图像进行检索。当目标存在变形和大小存在巨大差异时,目前缺乏完善的数学模型来提取图像的形状特征,该方法很好地弥补了这种缺陷。通过实验结果表明,该方法能够提高图像检索的准确率。     

基于立体图像水印算法的研究

提出了一种基于全局视差和左右视图图像块间对应关系的立体图像水印算法,来解决立体图像的版权保护和内容认证的问题。首先根据立体图像的左右视图求出立体图像的全局视差,然后找到左右视图的相似区域,最后相似区域内基于左右图像的对应关系完成水印的嵌入。由于DC系数是块能量的集中区域,其左右图像块间的对应关系比较稳定,所以本文选择左右图像Y分量DC系数进行水印的嵌入,这样可以提高水印的鲁棒性。仿真实验结果表明,水印具有很好的不可见性和较高的鲁棒性,能够抵抗高强度jpeg压缩、高斯和SBS编码攻击。     

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.     

基于笔划的立体图像风格化

为实现双目图像的风格化渲染,提出了一套完整的基于笔划的立体图像风格化系统。首先,将笔划基于颜色梯度和深度梯度确定左视图初始笔划的位置;然后,通过求解由视差约束和位置约束构成的能量优化方程,决定笔划的控制点在左、右眼视图中的最终位置,以保持笔划在两视图中的匹配。系统可以采用不同的笔划属性,生成不同风格的立体图像风格化结果。实验结果表明,所提方法为立体图像的风格化提供了有效快捷的方法。     

融合聚类与排序的图像显著区域检测

显著区域检测是计算机视觉领域中一个极具挑战性的问题。当前,多数显著区域检测算法通过直接计算图像中每个像素或图像块与其一定范围内邻域的差异来判断像素的显著性。当图像背景杂乱或者图像中的前景和背景有相似特征时,这些传统方法的检测性能明显下降。该文提出一个基于再聚类的显著区域检测算法框架:首先,利用聚类算法将图像过分割得到的超像素再聚类成多个超像素簇,其中提出了自动确定尺度参数和聚类个数的方法;其次,基于聚类得到的超像素簇,该文又提出一个自动选择可能的背景簇的方法,并将其作为排序算法中的查询项来估计全图的显著性。在两个差异较大的公开数据集上,该算法实现了相对稳定的显著区域检测结果,而且在部分性能指标上明显优于其他5种算法。     

由粗定位到精提取的图像显著区域检测

图像显著区域检测旨在找出最具信息性的图像,将该任务归纳为一种由粗定位到精提取的处理过程。首先,将图像过分割为超像素,并根据其颜色差异、分形差异及空间分布求得一个表征超像素间相似性的矩阵。依据这个矩阵,利用相似传播算法对超像素聚类;并通过度量类间颜色对比度、类的结构紧凑度与偏离中心度评价每类的显著度。然后,通过比较像素与每类的颜色差异及位置关系更新像素的显著度,最终得到像素精度的、全分辨率的显著性图。对当前流行数据库的实验测试表明,算法具有令人满意的检测效果。     

视觉亮度理论及其图像特性研究

利用图像法研究了视觉亮度随目标亮度和背景亮度变化的规律,得出了视觉亮度随目标亮度变化图像以及视觉亮度随背景亮度的变化图像及其特征,为照明系统定量设计提供了理论依据.     

基于频域调整的显著区域检测

对于诸如对象分割、自适应压缩、对象识别等应用而言,视觉突出图像区域的检测是非常有用的。在本文中,引入了一种显著区域的检测方法,它可以生成全分辨率显著性映射,很好地定义其显著对象的轮廓。     

基于亮度守恒假设的火灾图像运动特征提取

论述了火灾火焰和烟雾图像特征分析及提取方法,分析了这些方法尚存在的问题,指出了火灾图像运动特征分析相对于静态特征分析的优势.针对亮度不变假设在提取火灾火焰和烟雾图像运动特征时存在的问题,提出将目前最新的光流计算方法——亮度守恒假设应用于视频火灾探测中,结合全局平滑性假设,推导了亮度守恒方程解的迭代形式,并对基于亮度守恒假设的火灾火焰和烟雾图像运动特征识别方法进行了分析和讨论,为开发更加准确可靠的视频火灾探测识别算法提供了理论支撑.     

基于亮度统一的加权融合图像拼接算法

针对智能车安检系统图像快速拼接容易出现鬼影现象,本文提出一种新的图像拼接算法。首先使用SURF算法提取特征点,然后对特征点匹配并变换图像,最后使用非线性加权融合算法融合重合区域,对重合区域边界部分设置的权重变化小,而中心部分的权重变化大,达到图像间快速平滑过渡的效果。另外,针对图像亮度不同导致的拼接结果的整体亮度不够平滑,引入亮度统一过程,将图像进行空间转换,在lαβ颜色空间完成亮度变换操作。该算法能够有效地消除拼缝及鬼影现象,并保证了图像亮度的一致性,仿真实验验证了算法的有效性。     

亮度偏差对立体显示舒适度影响的ERP研究

立体图像的左右视图偏差是影响立体显示舒适度的重要因素,亮度偏差是重要指标之一.本文利用事件相关电位(ERP)技术并采用经典S1-S2实验范式研究了亮度偏差对立体显示舒适度的影响.ERP数据分析以时域数据统计为主,提取了N270成分的特征参量——幅值,并对不同亮度偏差等级刺激诱发的N270的幅值进行分析对比.结果发现,亮度偏差大于10%,时被试会感觉到明显的不协调,偏差等级越大,被试的不协调感越强烈.行为数据分析结果与ERP统计结果一致,建议立体图像左右视图亮度偏差应低于10%,,从而保证观看舒适度.     

基于区域的图像分割

本文介绍了两种基于区域的图像分割方法,一类是区域增长法,另一类是区域分裂合并法,区域增长法是一种已经受到人工只能领域中的计算机视觉界十分关注的图像分割方法,而分裂合并方法则是利用了图像数据的金字塔或四叉树数据结构的层次观念。     

基于SEM图像的软土接触面积定量研究

为了获取软土接触面积大小,对杭州紫金港软土进行了大量的SEM图像扫描,通过分析软土SEM图像的特点,建立三维空间计算模型,利用Image-ProPlus(IPP)软件统计软土的微观孔隙率,通过对比宏观孔隙率与微观孔隙率之间的关系,定量获取土体接触面积的百分比,首次提出了软土平均接触面积率的概念,分析了孔隙率获取中可能存在的误差.结果表明,土体接触面积并非很小,其值跟孔隙率有关,孔隙率越小接触面积率越大,本文试样中,当软土孔隙率为0.371时,接触面积率约10%,且采用宏微观孔隙率相等获取的接触面积率比采用阈值获取的要稳定,该方法提供了一条获取软土接触面积率的有效路径.     

基于融合图像的无参考立体图像质量评价

长时间观看立体图像会导致视觉疲劳、恶心、头痛等不适感,如何结合人类的视觉特性对立体图像质量进行评价是近年来立体成像领域的研究热点.为此,本文提出了一种基于融合图像的无参考立体图像质量评价方法.为了更好地模拟人脑处理立体图像的过程,提出了一种先将左、右视图融合然后进行处理的融合图像算法.首先针对左、右视图分别在RGB 3个通道上进行Gabor滤波以模拟人眼的视觉多通道特性,获取其不同尺度和方向的结构特征,随后通过对比敏感度函数滤除图像的不重要频率信息,然后通过增益控制原理进行加权获得融合图像.相比之前无参考立体图像质量评价方法局限于提取手工裁剪的特征,本文采用直接将原始图像进行切块后,送入网络进行训练,让卷积神经网络自动地提取图像的特征,并且采用重叠切块的方法,相比于非重叠切块,重叠切块可以更好地保留相邻像素之间的关系,并且增加了训练的数据集.然而,与拥有几百万张图像组成的Imagenet数据库相比,立体图像数据库仅有几百张,而且构成图像的基向量是普适的,所以本文对在Imagenet数据库上训练好的Alexnet网络进行迁移学习,建立输入图像和输出质量值之间端到端的映射.迁移学习网络模型较传统卷积神经网络收敛快,而且具有更好的初始权重.最后,鉴于人眼在观看图像时总是倾向于从图像的中心开始寻找视觉注视点,然后其注意力由中央向四周递减,本文利用显著特性对图像小块的输出进行加权以更好地模拟人眼的视觉显著特性.在公开的LIVE3Dphase-Ⅰ、LIVE3Dphase-Ⅱ数据库上进行测试,结果表明本文所提方法在对称和非对称立体图像数据库上较其他方法均取得了较好的结果,能够与人类的主观感知保持良好的一致性.     

区域可持续发展定量研究——基于人地关系视角

从出版情况、参与学科、不同尺度、不同技术等角度介绍了目前可持续发展研究概况,指出在定量化研究过程中存在的主要问题:忽视区域内部差异、数据的实时性和有效性难以保证、目前分析结果有时难以令人满意等。设计了从人地关系视角进行区域可持续发展定量研究的思路。最后指出区域可持续发展定量研究应结合有关技术:3S 技术、建模技术、网格技术等。     

融合显著区域和非下采样Contourlet变换的图像检索方法

为了提高图像的检索性能,基于显著区域直方图和非下采样Contourlet变换技术,提出了一种图像检索新方法。首先,以兴趣点为基础实现图像显著区域和背景区域的划分,并提取这两个区域的直方图作为颜色特征;其次,对图像进行非下采样Contourlet分解,获得高频子带的均值和方差作为图像的纹理信息;最后,将得到的颜色特征和纹理信息有机结合对图像进行检索。实验结果表明,该方法性能稳定,具有较高的检索效率。