基于视觉注意机制的显著物体轮廓感知

针对机器视觉中物体轮廓检测问题,提出了一种基于注意机制的轮廓感知模型.首先根据视觉注意机制得到显著物体的注意焦点;随后利用格式塔知觉组织规则,将从原始图中提取的重要轮廓边缘进行轮廓组织;最后根据注意焦点进行轮廓距离感知,得到人类视觉真正感兴趣和注意到的物体轮廓.结果表明了该算法的有效性和生物学上的合理性.     

自然图像中目标轮廓上显著边缘检测的计算模型

如何模拟人类视觉感知系统的感知过程,建立一个鲁棒性较好、无监督的自然图像中目标轮廓上显著边缘检测的计算模型是文中要讨论的问题。首先确定自然图像中目标所在的子区域。然后通过分析纹理以及颜色等低级视觉特征得到一组潜在的轮廓边缘,对这些潜在的轮廓边缘进行闭合性分析,建立各条潜在边缘之间闭合关系的图模型。最后通过最短路径找出最优的轮廓上的显著边缘。将该模型用于多幅自然图像,实验效果较好。该模型在生物学上的合理性也得到验证。     

轮廓编组中的线索合并模型

从复杂的自然图像中获取目标轮廓是计算机视觉中的经典难题,而提供符合人类感知特性和自然图像统计规律的线索合并模型是提高轮廓质量的关键问题。利用连续性和相似性线索进行轮廓编组,提出一种线索合并模型,拟合格式塔规则中连续性和相似性的统计联合条件概率。该线索合并模型解释了如何用两个相互独立的线索变量得到两个相关线索联合分布的特殊形式,克服了判别式模型刻意回避的相关线索合并问题,是更符合自然图像统计特性和人类感知特性的格式塔线索量化模型。将该模型应用于自然图像的轮廓提取中,实验结果证实了模型的有效性。     

基于格式塔心理学和Euler spiral的轮廓修复算法

现有的轮廓修复方法假设已知遮挡发生的位置, 且未考虑人类认知特性。针对该问题, 提出一种结构较完整的轮廓修复方法。算法首先检测T型节点确定遮挡发生的位置; 根据格式塔心理学的完形法则提出组合约束条件, 据此将T型节点进行组合。对平滑轮廓遮挡, 基于Euler spiral, 并以曲率变化最小作为能量最小化准则, 修复局部缺失的轮廓; 对角点轮廓遮挡, 利用过角点的两条曲线的可见部分构造两条Euler spiral, 根据Euler spiral的扩展性对构造的两条Euler spiral进行延拓并求交, 从而修复角点遮挡轮廓。方法能自动确定遮挡发生的位置, 能够对T型节点进行正确组合, 使轮廓修复更符合人类视觉感知; 对角点轮廓遮挡采用Euler spiral的扩展性进行修复, 能克服角点轮廓修复仅适合于修复轮廓为直线或圆弧的规则物体。应用模拟图像和真实图像验证了方法的有效性。     

基于视觉感知的图形化人机交互界面分层模型

由于传统方法没有通过特征提取方法获取图像关键滤波纹理系数,导致人机交互界面图像存在增强效果不佳,非平缓区域、曲面区域等不同层次信息量不丰富的问题,为解决上述问题,设计了基于视觉感知的图形化人机交互界面分层模型.构建图像处理模型,采用边缘轮廓特征提取方法,获取关键滤波纹理系数与边缘轮廓信息分量等特征信息.使用层次分析方法对交互界面视觉传达效果进行优化.以交互界面各个区域视觉感知强度和边缘轮廓内视觉感知元素重要度为基础,建立基于视觉感知强度的图形化人机交互界面分层优化模型,并通过遗传算法求解该模型,实现图形化人机交互界面的分层优化.实验结果显示,上述模型的图像亮度增强效果更优,符合人眼视觉感知要求;信息熵始终处在较高数值,具有较好的图像融合效果,信息量丰富.     

基于区域显著性的活动轮廓分割模型

提出一种新的活动轮廓分割模型,结合视觉显著性检测机制自动获取待分割图像中目标物体的先验形状信息,并自适应地构造初始轮廓,从而降低了初始轮廓位置对分割算法的影响.同时实现了活动轮廓模型对图像的自适应分割和自动分割,使得分割结果更符合人类视觉感知特性.实验结果表明,该模型有较好的分割效果,迭代次数少,且运行时间短.     

基于视觉组织的封闭轮廓编组模型研究

模拟视觉组织获取轮廓的研究多基于局部视觉编组线索,使得编组线索在视觉上缺乏完整性.为此提出一种具有全局约束的层次编组模型.首先,自适应尺度小波检测图像边缘,显著性重要边缘作为轮廓编组候选集.其次,根据视觉编组规则特性提出层次编组模型 ,用格式塔规则如对称性和平行性作为全局线索指导格式塔规则如接近性、连续性、共线性及共曲线性等编组线索完成轮廓编组,获取符合视觉特性的轮廓.实验表明该模型在不损失视觉合理性的同时减少了编组的二义性,增强了算法的效率和健壮性.     

一种基于物体的视觉注意计算模型

为解决基于空间的视觉注意计算模型存在的注意目标不完整、容易转移到无意义区域等问题,提出一种结合空间显著性的基于物体的视觉注意计算模型。检测图像的边缘信息,根据空间视觉显著性度量结果,提取显著值高的封闭边缘,得到感知物体的轮廓。根据各感知物体的大小、位置和显著程度计算其注意度。注意焦点按照注意度递减的顺序在各感知物体之间进行转移。在多幅自然图像上进行实验验证,实验结果表明该模型具有和人类视觉特性相符合的注意效果。     

一种仿生物视觉感知的视频轮廓检测方法

消除背景的局部边缘干扰同时保证目标的完整轮廓是视频轮廓检测的一个难点, 基于运动感知的生物视觉证据, 提出一种运动能量抑制模型, 有效抑制背景边缘, 激励目标的强边缘. 通过归一化整理视频运动切片的四方向运动能量抑制响应, 反映V1 层视觉神经元的周围抑制感知特性, 进而采用"双半圆盘"算子提取边缘梯度响应, 同时, 结合运动和外观线索, 用随机森林对边缘梯度响应的 局部结构进行树划分, 得到最终的检测结果. 实验表明, 本文提出的方法较已有的视频轮廓检测方法有更 优的量化查全-查准率曲线、F-measure值和AP值以及更好的视觉轮廓感官效果.     

多特征方向偏好轮廓提取算法

轮廓提取是计算机视觉领域的经典难题之一.文中提出一种基于视觉感知机理的多特征方向偏好轮廓提取算法,分为3层结构:首先将亮度与颜色信息分离;随后使用高斯差模型进行滤波,模拟神经节细胞的同心圆拮抗机制;最后模拟初级视皮层的处理机制,通过方向滤波获取显著边缘信息,并利用固有变差对边缘进行筛选,最终整合输出轮廓结果.实验表明,该算法计算速度快,且轮廓提取结果完整、对噪声抑制强.