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。     

应用视觉显著性的快速有偏聚类超像素算法

针对正则化超像素方法的超像素数随边缘拟合要求迅速增长的问题,提出了一种有偏聚类超像素算法。结合人类视觉对目标专注程度不一的特点,在SLIC算法框架下,提出了基于视觉显著性的非均匀初始化方法和有偏聚类距离函数。算法在图像的显著性区域进行密集的过分割,保持目标边缘的细节信息,而在非显著区域仅生成稀疏的超像素,以降低分割块数,再通过一步全局聚类和边缘逐步细化过程,有效地保证了图像的边缘拟合,同时提高了算法的速度。实验表明,在相同超像素数下,所提算法在边缘查全率、欠分割错误率以及运行速度方面均优于传统算法。     

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.     

基于视觉显著性与边缘密集度的文本区域定位

为解决传统算法对文本区域检测查准率较低的问题, 从自然场景文本特性出发, 提出了一种基于视觉显 著性与边缘密集度的鲁棒性文本定位方法。 首先利用谱残差理论提取图像的显著性区域, 然后在提取的显著 性区域中寻找边缘密集度大的区域, 以此构建候选连通域, 利用少量的先验信息滤除其中的非文本区域。 在标 准数据集上的实验结果表明, 与单纯利用边缘特征进行文本区域检测的方法相比, 该方法可获得 70% 的综合 检测率。     

污染修复场地中基于显著性的目标检测方法

为解决污染修复环境中施工人员实时防护问题,提出使用基于改进的流形排序显著性检测算法对施工人员进行检测.首先,利用超像素分割对图像进行处理,建立适合的图模型;然后利用流形排序方法将图像各边界节点作为背景种子得到第一个显著图;再利用流形排序对第一阶段的显著图进行阈值分割,得到最终的显著图.实验表明,改进方法在视觉效果上与传...     

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。     

基于视觉显著性的彩色图像分割

为了提高图像显著性检测的准确性,从数学模型上探索显著性的多特征空间.利用多尺度特征提取算法获得低层视觉特征,对特征矩阵用低秩矩阵恢复理论提取显著图,并在自底向上模型基础上融合了高层视觉特征,由高层视觉特征构成一幅权重的显著图.提高了显著度和显著目标的检测性能.通过自适应阈值算法对视觉显著目标进行分割.实验结果表明,该模型比传统的模型提取的显著目标更完整、更准确.     

改进的Gabor滤波器带钢表面缺陷显著性检测

针对传统带钢表面缺陷检测方法在实际生产过程中检测精度低、实时性差的问题,提出一种基于复合差分进化的Gabor滤波器优化方法.首先,将采集到的图像进行预处理,获取高质量图像;然后,针对传统Gabor小波滤波器参数较多和算法实时性不高两大难题,提出了一种复合差分进化的Gabor滤波器优化方法,对参数和方向分别做了改进,较大提升了检测效率;最后,对显著性缺陷目标进行阈值分割,完成带钢表面缺陷检测.实验结果表明:该优化算法复杂度低、检测效率高,优化后的Gabor检测模型在速度上比传统Gabor检测模型快了约2.3倍,平均速度达到了91.8ms/帧.     

基于多尺度超像素融合的RGB-D单幅图像阴影检测算法

针对单幅复杂环境图像阴影检测问题, 提出一种基于多尺度超像素融合的自动阴影检测快速算法. 首先利用深度图像计算各点的法向量及空间坐标, 同时利用简单线性迭代聚类算法对彩色图像进行多个尺度的超像素分割; 然后使用阴影置信度算法结合图像的色度、法线和空间位置信息分别估计各尺度下的超像素阴影置信度; 最后采用Adaboost训练的分类器对各尺度下的超像素阴影置信度进行融合, 得到最终的判决结果. 实验结果表明, 该算法的准确度明显高于原阴影置信度算法, 运行时间约为原阴影置信度算法的10%, 对于小块阴影、 大面积阴影及边缘不清晰的软阴影检测表现较突出, 适合对光线复杂环境下的图像进行前期预处理.     

基于超像素融合算法的显著区域检测

针对目前流行的显著性检测算法不能精确反映显著性信息的问题,提出一种基于超像素融合方法的显著性检测算法. 首先对图像进行超像素分割,在保证高质量的图像目标边缘信息前提下,建立以超像素为节点的图模型;然后计算超像素邻接矩阵,将该图模型转化为最小生成树模型. 通过OTSU算法自适应地确定最佳阈值,根据该阈值将最小生成树模型的部分节点进行融合,获得大超像素分割区域;最后利用大超像素的颜色和相互距离信息,获得高质量的显著性图. 实验结果表明,相对于其他检测方法,该算法可以更有效地检测出图像中的显著目标,并能达到接近分割的效果.      

基于SLIC0超像素分割的阴影检测算法

对单幅阴影检测问题,提出了一种基于SLIC0（simple linear iterative clustering zero）超像素分割的阴影检测方法。首先采用SLIC0超像素分割算法对含阴影图像进行分割,生成超像素块检测出阴影轮廓,然后提出一种融合特征的支持向量机方法,将超像素块分类合并,检测出阴影区域。通过实验对比Otsu阈值法、传统SVM分类法与本文算法的检测效果,验证了本文算法的有效性,通过结构相似度（SSIM）与峰值信噪比（PSNR）指标对比表明,本文算法较参考算法的检测性能更优。     

采用图像处理的胶囊尺寸缺陷检测方法

针对透明胶囊的成像特点,提出一种实时性好、健壮性较强的结合阈值分割、腐蚀、轮廓提取及区域填充的图像提取算法.利用旋转和一阶差分分割胶囊本体,通过最小包围矩形测量胶囊的尺寸,并与公认标准进行对比,从而判别胶囊是否存在尺寸缺陷.实验结果表明:胶囊图像提取和尺寸缺陷识别算法的平均漏检率为6.38%,平均误检率为4.13%.     

一种羽毛虫蛀缺陷检测方法的研究

羽毛缺陷复杂多样。一般的图像分割方法很难做到既能适用于多蛀斑分割的复杂情况又能很好地满足工业化羽毛缺陷检测中蛀斑分割的精确性要求。根据毛片特性,提出一种基于机器视觉的羽毛虫蛀缺陷的检测方法;首先采用双边滤波算法对羽毛图像做平滑处理,在有效模糊羽毛自身纹理的同时使得蛀斑边缘信息仍能得到很好地保留,以提高边缘检测的准确性;然后采用一种改进的变分水平集方法进行蛀斑分割,算法的初始轮廓线根据毛片的形状自动生成。实验结果表明这种检测方法分割准确;并能适用于多蛀斑的复杂虫蛀缺陷的检测,较好地满足了工业化检测的需要。     

用于墙地砖缺陷检测的自动精确图像配准方法

将规则图案墙地砖的精确配准方法用于墙地砖表面缺陷检测,通过对图像进行预处理及边缘检测,找出墙地砖的四条边及左上角,首先对参考砖和待测砖之间的位移和旋转角度进行初步估计,对待测墙地砖进行平移,使其左上角与参考墙地砖的左上角对准并旋转完成初步配准,然后,用互相关法寻找更精确的平移参数进行精确配准,这样可以在像素与像素之间进行直接比较以进行缺陷检测,实验结果证明该方法能有效检测出像孔穴、裂纹等一般缺陷。     

基于视觉认知的禁令交通标志检测

根据交通标志的反差特性会强烈吸引人类视觉注意的设计原则, 结合生物视网膜会强烈响应场景中大反差视觉刺激的机理, 将基于视觉反差的层次结构的显著性分析框架引入交通标志的检测问题, 提出一种适合现实街景中交通标志检测的多线索视觉注意模型, 将对交通标志的检测定位转变为对显著目标的发现与分割问题。实验表明, 所提方法优于典型的显著性方法在面对现实街景时的目标检测性能。     

汽车轮毂缺陷检测中的缺陷增强与字符去除技术

传统的轮毂图像缺陷检测算法,直接对采集到的图像进行检测,准确度低是其主要缺点。鉴于此,提出了一种汽车轮毂缺陷检测中的缺陷增强与字符去除技术。该技术通过对原图像进行数学形态学处理得到伪模板图像,然后将其与原图像相减的结果进行灰度拉伸,再叠加到原图像上以增强缺陷特征,最后使用双边滤波技术去除轮毂字符信息。实验结果表明,使用缺陷增强和字符去除技术之后,在满足时间限制的前提下,轮毂缺陷检测算法的准确度得到了提高。     

一种基于改进RefineDet的管道数字射线成像缺陷图像检测方法

为提高管道缺陷图像检测的准确率,提出一种基于改进RefineDet的管道数字射线成像(digital radiography,DR)缺陷图像检测模型。该模型针对管道DR缺陷图像数据少、目标少等特点,从以下三个方面进行改进。首先,在骨干网络设计方面,使用Swin transformer代替VGG16作为主干网络,在提高特征提取能力的同时减少主干网络参数量。其次,针对管道DR缺陷图像目标数量较少而易受背景干扰问题,通过在主干网络与特征融合阶段之间加入全局注意力模块来强化模型对重要特征的关注,从而提高检测性能。最后,在后处理阶段,针对传统的非最大值抑制算法直接去除非最好预测框问题,使用软非最大值抑制算法以更合理的方式去除非最优预测框。结果表明：该方法能够有效实现管道DR缺陷图像的检测,并且相比于其他4种常用的目标检测模型,提出的模型可以有效提升管道DR缺陷图像检测的准确率,研究成果可为DR缺陷图像检测提供技术支撑。     

基于HSI的视觉注意力模型及其在船只检测中的应用

根据现有关于视觉心理学研究的相关成果和计算模型．提出了一种基于HSI颜色空间特征提取的视觉注意力模型．并应用于海上目标检测．首先把输入的RGB图像转换到HSI空间上．采用高斯金字塔和center-surround算子获得HSI三个分量下各自多尺度的视觉差异。通过对不同特征图的规格化和线性融合获得综合的显图．该方法应用于多种海上目标图像均取得较好效果．背景中的海浪杂波得到了有效抑制．提取得到的显区域包括了待检测的目标且范围较小。为后继的处理和分析提供了良好的基础．