结合强度和边界信息的非参数前景/背景分割方法

提出一种非参数前景背景分割方法.在将图像的强度信息与边界信息进行融合、提高运动目标检测的鲁棒性的同时,针对图像阴影区域的特性,通过阴影模型能够有效地检测阴影区域.实验结果表明该方法具有一定的实用性.     

一种合成孔径雷达图像阴影和目标检测的方法

提出了一种进行高分辨率SAR(synthetic aperture radar)图像阴影和目标检测的新思路.首先给出了基于等效视数模型的图像RCS(radar cross section)重构算法进行阴影检测,然后通过非线性积累,达到目标检测的目的.与CFAR(constant false alarm rate)检测相比,能够检测到阴影和更多感兴趣的目标.     

基于移动区域的快速粗模型阴影检测

阴影检测是运动车辆目标识别与追踪中非常重要的环节.结合基于颜色和模型的两种检测方法,提出一种基于移动区域的快速粗模型阴影检测方法.该方法首先通过改进的背景差分方法快速获取图像中的移动区域,然后在此基础上根据基于模型的方法建立阴影的粗模型,即快速确定阴影区域的粗略区域.阴影检测时只对该区域内的图像采用基于HSV颜色空间的方法进行分析处理.实验结果表明该方法可以有效地提高阴影检测的效率.     

利用透射率与场景深度实现带雾图像能见度检测

能见度检测是计算机视觉与交通视频图像处理的热点问题.针对传统检测方法存在硬件成本高、适用范围小、检测效率低等不足,给出一种利用透射率和场景深度获取单幅图像能见度的检测方法.首先根据Koschmieder定律和ICAO推荐的对比阈值推导出能见度检测公式,然后根据大气衰减模型得到消光系数,利用暗通道先验理论获取透射率值,结合SFS(从阴影恢复形状)和双目模型获取场景深度值,最后通过求解消光系数反演图像的能见度.实验结果验证了该方法的有效性,精确度和检测效率有较大提高,且不需要相机内部参数,也不需要拍摄同一场景的多幅图像,操作简单、适用范围较广.     

运动人体阴影检测算法

为了抑制运动人体检测与跟踪中运动人体阴影的影响,提出了一种基于光照模型和图像纹理特征的阴影检测算法.首先依据光照模型理论,将互相关函数引入算法,并根据背景图像和当前图像对应像素点的互相关函数值判断其是否为阴影点.在此基础上,依据图像的纹理特征,将交叉熵函数引入算法,对互相关函数判断为非阴影点的像素,进行二次判断.该算法利用泰勒级数将交叉熵函数中的对数和除法运算转化为乘法运算,简化了运算过程.通过白天和晚上两种条件下的实验,验证了算法的准确性和有效性.     

图像分析在液滴检测技术中的应用

基于图像分析的液滴检测技术对研究液体特性具有重要意义,样品液滴的形状参数是表征液滴特性的一个重要参数.设计了基于CCD摄像机图像采集的液滴检测系统,对液滴图像进行滤波、去噪、二值化等图像处理,提取宽长比、复杂度、形状参数和离心率等特征参数,结合多项式拟合和层次分析法对液滴轮廓外形进行分析.通过实验证明:在液滴检测技术中,图像技术具有现实可行性.     

视频监控系统中阴影去除方法的研究

提出了一种基于颜色不变性和建立阴影高斯模型的阴影检测和消除的方法。首先对亮度小于背景的前景根据颜色特征的相近性进行划分,再利用阴影的光谱特性建立高斯模型,去除运动目标的投影。最后利用阴影的空间特性对图像进行后处理,完成阴影的检测与消除。实验结果表明,该方法能够有效地检测和消除阴影。     

基于视频虚拟检测带的交通流量检测方法

交通数据的正确掌握对后续的交通控制起着至关重要的作用,采用基于视频虚拟检测带的交通流量检测方法,对检测带范围内像素点RGB的强度值进行统计,将无车辆时的统计值作为标准特征模板并执行模板更新策略,通过计算每一帧实时视频图像的特征值与标准模板特征值的距离进行车辆检测.为了提高检测精度,提出了一种基于阴影特征的阴影检测算法.在早晨和中午的不同光照条件下进行试验,在阴影明显的情况下,该方法的检测准确率在91％以上,在阴影不明显的情况下,检测准确率达到95％,可满足智能交通的需要.     

基于高斯混合模型的阴影消除算法

关于阴影消除是智能监控系统的重要组成部分,且对后续的识别和跟踪有很大的影响。根据改进的高斯混合模型检测出目标,用高斯混合阴影模型来检测阴影,并用高斯平滑滤波处理检测的结果。然后动态选择合适的阈值对图像做二值化处理,进一步对结果进行形态学滤波。经过整个过程的处理,得到了较为完整的轮廓,很好的消除了阴影,提高后续的识别和跟踪的准确性和可靠性。实验表明,算法能较好地消除阴影,且具有较好的实时性和鲁棒性。     

一种基于Boosting判别模型的运动阴影检测方法

在视频处理中,由于运动阴影具有与运动前景相同的特性,当在提取前景时,会误把阴影检测为前景.特别是当阴影和其它前景发生粘连时,这可能会严重地影响跟踪、识别等后续处理.该文提出了一种用于运动阴影检测的Boosting判别模型.这种方法先利用Boosting在不同的特征空间来区分前景和阴影,然后在判别随机场(DRFs)中结合前景和阴影的时空一致性,实现对前景和阴影的分割.首先,差分前图像与背景图像得到颜色不变子空间和纹理不变子空间;然后在这两个子空间上应用Boosting来区分前景和阴影;最后利用前景和阴影的时空一致性,在判别随机场中通过图分割的方法准确地分割前景和阴影.实验结果表明,无论是在室内场景,还是在室外场景,该文的方法要好于传统的方法.     

基于混合注意力模型的阴影检测方法

图像中阴影区域的存在会导致图像内容的不确定性,不利于其他计算机视觉任务,因此常将阴影检测作为计算机视觉算法的预处理过程。然而,现有的阴影检测算法大多采用多级网络结构,导致模型训练困难,虽然已经提出了一些采用单级网络结构的算法,但它们只关注了局部的阴影,忽略了阴影之间的联系。针对该问题,为提升阴影检测的准确率和鲁棒性,提出了基于混合注意力模型的阴影检测方法。首先将预训练后的深层网络ResNext101作为前端特征提取网络,提取图像的基本特征;其次采用双向金字塔结构由浅入深、由深到浅的方式进行特征融合,并提出信息补偿机制减少深层语义信息丢失;然后结合空间注意力和通道注意力提出混合注意力模型进行特征融合,捕捉阴影区域和非阴影区域的差异;最后融合两个方向的预测结果从而得到最终的阴影检测结果。在公开数据集SBU、UCF上对所提方法进行可行性对比实验,结果表明,相较于DSC算法,所提方法的平衡误差率（BER）分别降低了30%和11%,说明它能够较好地抑制阴影错误检测并增强阴影细节。     

结合局部熵和鲁棒主成分分析的眼底图像硬性渗出物检测方法

针对眼科医生诊断眼底图像工作耗时且易出错的问题，提出一种无监督的眼底图像硬性渗出物检测方法。首先，通过形态学的背景估计方法去除血管、暗病变区域和视盘；然后，以图像亮度通道为初始图像，利用硬性渗出物在眼底图像中的局部性和稀疏性，结合局部熵和鲁棒主成分分析方法分解得到低秩矩阵和稀疏矩阵；最后，归一化稀疏矩阵得到硬性渗出物区域。实验结果显示，在e-ophtha EX和DIARETDB1公开数据库上，所提方法在病灶水平上灵敏性为91.13%和特异性为90%，在图像水平上准确率为99.03%，平均运行时间0.5 s；与支持向量机（SVM）和K-means方法相比灵敏性高且耗时少。     

基于局部期望阈值分割的图像边缘检测算法

传统图像边缘特征检测通过梯度算子卷积计算获取梯度图,并根据梯度变化情况设定阈值得到边缘信息,但图像的各局部区域梯度变化不均匀,采用统一阈值分割边缘信息往往会造成获取的边缘信息不准确。本文提出一种基于图像局部区域期望的自适应阈值方法,首先采用Sobel算子获取图像梯度矩阵,然后将梯度矩阵分割为多个子区域,并计算每个子区域的局部期望作为该区域阈值,进行边缘特征提取。实验表明,提出的方法提高了图像主要目标物边缘特征的识别度,区域边缘信息划分准确。     

基于阴影概率模型的遥感影像阴影检测方法

阴影区像素光谱响应的不一致性使得依据阈值获取的阴影检测结果与真实情况出入较大。针对这一问题,结合不透明度和亮度两种信息设计了一个全新的阴影概率模型。在此基础上,针对邻域像素信息未能充分利用的问题,提出了一个基于多尺度马尔可夫随机场(MRF)的遥感影像检测方法。首先,用所提出的模型描述多尺度影像中像素的阴影概率;然后,使用Potts模型建模多尺度标记场,同时兼顾尺度内和尺度间的邻域像素的交互关系;最后,基于最大后验(MAP)概率准则获取最终阴影检测结果。通过与色调亮度比值方法、差分双阈值方法、主成分分析法和支持向量机分类方法的对比实验证明,所提出的方法能够提高高分辨率城区遥感影像的阴影检测精度。     

Efficient Shadow Removal Using Subregion Matching Illumination Transfer

This paper proposes a new shadow removal approach for input single natural image by using subregion matching illumination transfer We first propose an effective and automatic shadow detection algorithm incorporating global successive thresholding scheme and local boundary refinement. Then we present a novel shadow removal algorithm by performing illumination transfer on the matched subregion pairs between the shadow regions and non‐shadow regions, and this method can process complex images with different kinds of shadowed texture regions and illumination conditions. In addition, we develop an efficient shadow boundary processing method by using alpha matte interpolation, which produces seamless transition between the shadow and non‐shadow regions. Experimental results demonstrate the capabilities of our algorithm in both the shadow removal quality and performance.     

基于多通道图像深度学习的恶意代码检测

现有基于深度学习的恶意代码检测方法存在深层次特征提取能力偏弱、模型相对复杂、模型泛化能力不足等问题。同时,代码复用现象在同一类恶意样本中大量存在,而代码复用会导致代码的视觉特征相似,这种相似性可以被用来进行恶意代码检测。因此,提出一种基于多通道图像视觉特征和AlexNet神经网络的恶意代码检测方法。该方法首先将待检测的代码转化为多通道图像,然后利用AlexNet神经网络提取其彩色纹理特征并对这些特征进行分类从而检测出可能的恶意代码;同时通过综合运用多通道图像特征提取、局部响应归一化（LRN）等技术,在有效降低模型复杂度的基础上提升了模型的泛化能力。利用均衡处理后的Malimg数据集进行测试,结果显示该方法的平均分类准确率达到97.8%;相较于VGGNet方法在准确率上提升了1.8%,在检测效率上提升了60.2%。实验结果表明,多通道图像彩色纹理特征能较好地反映恶意代码的类别信息,AlexNet神经网络相对简单的结构能有效地提升检测效率,而局部响应归一化能提升模型的泛化能力与检测效果。     

图像的局部自适应Gamma校正

照度不均匀图像的分辨率较低,高光区与阴影区会隐藏很多的图像信息。针对照度不均匀导致成像的不同区域存在不同的光照效果,提出了一种新的局部自适应Gamma校正方法,先使用K近邻法估计出图像中不同区域的合适的Gamma值,再对图像进行局部的Gamma校正。实验证明了该方法具有较好的校正效果。     

基于特征分类的麻将图像光照不均校正方法

针对麻将排版视觉检测装置采集到的图像存在光照不均问题,提出了一种基于麻将特征分类的自适应图像校正方法。通过对麻将的排版特征进行分析,采用背景差分法和投影法将整体排版麻将灰度图从采集图像中分割出来;将整体排版麻将划分为多个单个麻将,并通过对单个麻将的光照特征进行分析,将单个麻将按光照类型分为均匀类麻将、阴影类麻将和高光类麻将共三类;对阴影类麻将和高光类麻将进行均值归一化处理,再对麻将图像进行整体锐化,并结合色度分量增强麻将的图案特征;根据麻将噪声特征,基于空域幅值统计去除阴影类麻将中的图像噪点。实验结果表明,与现有方法相比,该方法能更好地改善麻将图像光照不均现象,处理后的图像有效地提高了麻将排版识别率。     

结合局部分类水平集与颜色特征的遥感影像阴影检测

为提高对非匀质阴影与亮阴影的检测效果,提出结合局部分类水平集与颜色特征的遥感影像阴影检测方法,首先,结合阴影区域的亮度非均匀性,采用局部分类水平集分割遥感图像的阴影区域;然后,通过分析绿地与阴影颜色特征分量的差别以去除候选阴影区中被误检的绿地.实验结果表明所提出的方法优于现有的黑体辐射模型与自适应特征选择法,有效克服了传统方法对非匀质阴影与亮阴影的漏检问题,且整个检测过程无需人工干预.     

基于局部图像拟合偏差的活动轮廓分割模型

针对灰度不均匀图像的分割问题,提出一个基于区域的活动轮廓模型。通过构造包含图像局部信息的局部图像拟合偏差能量泛函,度量真实图像与拟合图像的偏差,并在全局凸分割的基础上,将分裂Bregman技术应用到模型能量泛函的最小化问题中,以提高分割速率。同时引入边界检测函数更加准确地探测边界位置,以提高模型的分割准确性。实验结果表明,该模型不仅可以正确分割灰度不均匀图像和受噪声干扰的图像,而且对于多目标图像以及灰度分布均值相同、方差不同的图像,也能快速、准确地得到分割结果。