首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 180 毫秒

1.  融合目标增强与稀疏重构的显著性检测  
   郭鹏飞  金秋  刘万军《中国图象图形学报》,2017年第22卷第9期
   目的 为了解决图像显著性检测中存在的边界模糊,检测准确度不够的问题,提出一种基于目标增强引导和稀疏重构的显著检测算法(OESR)。方法 基于超像素,首先从前景角度计算超像素的中心加权颜色空间分布图,作为前景显著图;由图像边界的超像素构建背景模板并对模板进行预处理,以优化后的背景模板作为稀疏表示的字典,计算稀疏重构误差,并利用误差传播方式进行重构误差的校正,得到背景差异图;最后,利用快速目标检测方法获取一定数量的建议窗口,由窗口的对象性得分计算目标增强系数,以此来引导两种显著图的融合,得到最终显著检测结果。结果 实验在公开数据集上与其他12种流行算法进行比较,所提算法对具有不同背景复杂度的图像能够较准确的检测出显著区域,对显著对象的提取也较为完整,并且在评价指标检测上与其他算法相比,在MSRA10k数据集上平均召回率提高4.1%,在VOC2007数据集上,平均召回率和F检验分别提高18.5%和3.1%。结论 本文提出一种新的显著检测方法,分别利用颜色分布与对比度方法构建显著图,并且在显著图融合时采用一种目标增强系数,提高了显著图的准确性。实验结果表明,本文算法能够检测出更符合视觉特性的显著区域,显著区域更加准确,适用于自然图像的显著性目标检测、目标分割或基于显著性分析的图像标注。    

2.  基于对比度与最小凸包的显著性区域检测算法  
   范敏  陈曦  王楷  李志勇  王晓峰《仪器仪表学报》,2014年第35卷第10期
   显著性检测算法常通过计算像素或像素块之间的对比度来确定显著性,但是图像背景中经常会出现特殊区域与图像其他部分也有较大的对比度,导致基于对比度的显著性检测算法无法将这部分背景区域与主要目标区分开.提出一种基于对比度与最小凸包的显著性区域检测算法.以超像素作为基本计算单位,使用Wasserstein距离衡量超像素之间的差异,通过计算超像素间的全局与局部对比度得到对比度显著图;找出图像中特征点Harris角点的最小凸包,以最小凸包几何中心为中心点,根据每个超像素与中心点的距离计算中心显著图;最后将对比度显著图与中心显著图相结合得到最终的显著图,这种算法可以有效地将背景中具有高对比度的区域区分开.在Corel和MSRA图像数据库上进行仿真实验,结果表明该文所提算法对显著区域检测的查准率、查全率等仿真评价指标相对于传统算法都有明显的提升.    

3.  基于背景感知的显著性目标检测算法  
   包晓安  朱晓芳  张娜  高春波  胡玲玲  桂江生《计算机系统应用》,2018年第27卷第6期
   在显著性目标检测算法中,流形排序的检测方法存在先验背景假设和目标检测不完整的问题.针对该问题,在流形排序算法基础上,融入背景鉴别、BING特征估计和权重调整,提出了一种基于背景感知的显著性目标检测算法.首先,通过计算颜色聚类后的边界区域的综合差异度,得到真实背景种子点,从而感知到真实背景区域;再结合图像的BING特征与初始显著图信息,获取目标位置,从而得到完整的前景种子点区域;然后重构前景区域的图模型且利用加权k-壳分解法,来调整前景区域节点之间的连接权重,进而获得清晰的目标边界.实验结果表明,同当前经典的一些算法比较,本文算法在准确率、召回率、F-measure和平均MAE上都优于其余算法.    

4.  基于背景学习的显著物体检测  
   项导  侯赛辉  王子磊《中国图象图形学报》,2016年第21卷第12期
   目的 显著物体检测的目标是提取给定图像中最能吸引人注意的物体或区域,在物体识别、图像显示、物体分割、目标检测等诸多计算机视觉领域中都有广泛应用。已有的基于局部或者全局对比度的显著物体检测方法在处理内容复杂的图像时,容易造成检测失败,其主要原因可以总结为对比度参考区域设置的不合理。为提高显著物体检测的完整性,提出背景驱动的显著物体检测算法,在显著值估计和优化中充分利用背景先验。方法 首先采用卷积神经网络学习图像的背景分布,然后从得到的背景图中分割出背景区域作为对比度计算参考区域来估计区域显著值。最后,为提高区域显著值的一致性,采用基于增强图模型的优化实现区域显著值的扩散,即在传统k-正则图局部连接的基础上,添加与虚拟节点之间的先验连接和背景区域节点之间的非局部连接,实现背景先验信息的嵌入。结果 在公开的ASD、SED、SOD和THUS-10000数据库上进行实验验证,并与9种流行的算法进行对比。本文算法在4个数据库上的平均准确率、查全率、F-measure和MAE指标分别为0.873 6、0.795 2、0.844 1和0.112 2,均优于当前流行的算法。结论 以背景区域作为对比度计算参考区域可以明显提高前景区域的显著值。卷积神经网络可以有效学习图像的背景分布并分割出背景区域。基于增强图模型的优化可以进一步实现显著值在前景和背景区域的扩散,提高区域显著值的一致性,并抑制背景区域的显著性响应。实验结果表明,本文算法能够准确、完整地检测图像的显著区域,适用于复杂图像的显著物体检测或物体分割应用。    

5.  基于视觉对比机制的红外弱小目标检测方法  
   刘润邦  朱志宇《激光与红外》,2017年第47卷第9期
   为解决复杂背景下红外弱小目标检测精度低的问题,本文提出一种基于视觉对比机制的红外弱小目标检测方法,算法主要模拟了人眼对目标对比度敏感这一机制。首先利用8向梯度方程提取红外图像的梯度显著图并二值化处理;根据小目标的尺寸大小特征对梯度显著图进行优化处理,剔除孤立的噪声点和尺寸较大的背景梯度显著区域;利用视觉对比机制对优化后的显著图进行局部对比度计算,通过阈值处理剔除虚警目标,完成红外弱小目标检测。仿真实验表明,该算法在低信噪比情况下对红外弱小目标的检测率较高,且虚警率低,单帧检测时间较小。    

6.  基于Faster R-CNN的显著性目标检测方法  
   赵永彬  李巍  刚毅凝  王鸥  郝跃冬  刘铭坚《计算技术与自动化》,2019年第2期
   显著性目标检测成为计算机视觉领域中的研究热点问题之一,但目前的方法在面对前景和背景对比度不强及复杂背景的图像时,较难取得好的检测效果。融合多尺度超像素分割方法,提出一种在背景信息相对复杂的场景中基于Faster R-CNN的显著性目标检测方法。首先对图像进行多尺度超像素分割,同时利用Faster R-CNN对图像进行目标检测,根据似物性特点对超像素进行显著性筛选,得到初始目标位置特征后进行显著性检测及优化,最后使用元胞自动机方法对多尺度超像素显著性图进行融合。通过在特定类数据集进行实验,与已有典型显著性检测进行对比分析,验证了本文方法在背景复杂的图像中可提升显著性目标检测的精度。    

7.  基于显著图加权视觉语言模型的图像分类方法  
   王挺进  赵永威  李弼程《计算机工程》,2015年第3期
   传统基于视觉语言模型( VLM)的图像分类方法在参数估计阶段,通常采用最大似然估计的方式统计视觉单词的分布,忽略了图像背景噪声对该模型参数估计的影响。为此,提出一种新的图像分类方法。利用基于视觉注意的显著性检测算法提取图像中的显著区域和背景区域,构建的图像带有显著图标识的视觉文档,训练视觉单词的显著度权重和条件概率,并使用显著图加权视觉语言模型进行图像分类。实验结果表明,与传统VLM等方法相比,该方法能有效克服图像背景噪声的影响,增强视觉单词的区分性,提高分类准确率。    

8.  结合光斑与目标特征的激光干扰效果评估  被引次数:1
   钱方  孙涛  石宁宁  郭劲  王挺峰《光学精密工程》,2014年第22卷第7期
   在分析激光干扰图像整体特征、目标局部特征和干扰光斑分布特性的基础上,提出了一种加权特征相似度(WFSIM)评估算法来评估激光干扰效果。该方法首先利用亮度、对比度和边缘清晰度等图像整体特性与局部特征点保持度这一目标识别特征来得到图像特征评估模型。然后,根据光斑的大小、强度和位置等特性计算饱和像素率、信噪比和光斑视觉区域重要性等加权因子,利用这些因子对评估模型进行加权,最后得到归一化的评估指标。利用激光主动成像识别系统对设定目标进行了照明成像识别实验,同时使用不同干扰功率的激光对识别系统进行干扰,并采集不同背景强度和光斑位置的干扰图像。基于本文提出的WFSIM算法对获得的激光干扰图像进行了评估。结果表明,与传统的均方误差(MSE)、峰值信噪比(PSNR)及结构相似度(SSIM)等评估方法相比,提出的WFSIM算法对不同背景强度、光斑位置和杂波干扰下的图像都给出了合理的评估结果,其评价结果更符合人类的主观视觉感受。    

9.  基于背景原型对比度的显著性物体检测  
   罗辰辉  张伟  沈琼霞  叶波《计算机测量与控制》,2017年第25卷第10期
   针对传统显著性模型在自然图像的显著性物体检测中存在的缺陷,提出了一种利用背景原型(background prototypes)进行对比的视觉关注模型,以实现显著性物体的检测与提取;传统显著性模型主要通过计算区域中心与四周区域差异性实现显著性检测,而自然场景中显著性区域和背景区域往往都存在较大差异,导致在复杂图像中难以获得理想检测效果;基于背景原型对比度的显著性物体检测方法在图像分割生成的超像素图基础上,选择距离图像中心较远的图像区域作为背景原型区域,通过计算图像中任意区域与这些背景原型区域的颜色对比度准确检测和提取图像中的显著性物体;实验结果表明,基于背景原型对比度的显著性模型可以更好地滤除杂乱背景,产生更稳定、准确的显著图,在准确率、召回率和F-measure等关键性能和直观视觉效果上均优于目前最先进的显著性模型,计算复杂度低,利于应用推广。    

10.  BRINK:基于局部质变因子的聚类边界检测算法  
   邱保志  杨洋  杜效伟《郑州大学学报(工学版)》,2012年第33卷第3期
   为有效检测聚类的边界,提出了一种基于局部质变因子的聚类边界检测算法(BRINK).该算法使用加权欧式距离技术解决现有聚类边界检测算法不能适用于高维数据的问题,根据局部质变因子在聚类的边界具有稍大于1的特征来识别聚类的边界.实验结果表明,该算法能有效的检测出聚类的边界.    

11.  似然相似度函数在目标跟踪中的鲁棒机理研究  
   邸男  朱明  韩广良《软件学报》,2015年第26卷第1期
   复杂背景条件下低对比度目标的跟踪和测量方法,是视觉领域的一个重要课题.低对比度,低信噪比,目标旋转、缩放、被遮挡等非理想状态给跟踪算法的研究带来很大困难,算法既要适应目标和背景的复杂变化,又要保证运算量小,满足工程实时性要求.提出一种基于似然相似度函数的低对比度目标跟踪方法.在建立模型阶段,利用棱锥面方程的单峰特性突出模型中的目标灰度信息,使目标与背景灰度信息的可区分性更高;在模型匹配阶段,从统计学中的极大似然估计方法得到启发,构造一种新的似然相似度函数,与传统的相似度量相比,度量值的可区分性更高,大大提高了匹配区域的无重复模式;最后,将目标跟踪过程转化为对目标跟踪位置的极大似然估计过程.目前,该算法已经成功嵌入TMS320C6416硬件平台.大量实验结果表明,该算法所能探测的目标对比度LSCR最低限度约为3.作为实例,给出复杂背景下低对比度LSCR=4.9时空中飞机的实验结果.    

12.  一种基于视觉注意模型的可移动目标检测方法  
   吕云波  张志龙  李吉成  李树新《红外》,2016年第37卷第3期
   提出了一种基于视觉显著性的目标检测算法,用于对位于地面上的车辆、飞机等地面可移动目标进行检测和定位。针对地面可移动目标在场景中较小的特点,设计了一种用于对目标检测进行引导的基于视觉注意机制的目标显著模型。首先,提取图像目标的颜色特征、强度特征和方向Gabor特征,并将其结合起来用于计算显著图。然后以超像素为单位对显著值进行计算,并结合人眼视觉敏感度对不同距离的超像素之间的差异进行加权处理。实验结果表明,本文算法可以有效地检测并定位出复杂背景中的地面可移动目标。    

13.  基于稀疏恢复与优化的显著性目标检测算法  
   王军  吴泽民  杨巍  胡磊  张兆丰  姜青竹《计算机科学》,2018年第45卷第8期
   针对目前基于稀疏表示的显著性检测算法中存在的边界显著性检测不足、字典表达能力不够等问题,提出一种基于稀疏恢复与优化的检测算法。首先对图像进行滤波平滑和超像素分割,并从边界与内部超像素中挑选可靠的背景种子构建稀疏字典;然后基于该字典对整幅图像进行稀疏恢复,根据稀疏恢复误差生成初始显著图;再运用改进的基于聚类的二次优化模型对初始显著图进行优化;最后经过多尺度融合得到最终显著图。在三大公开测试数据集上的实验结果表明,所提算法能够保持高效快速、无训练等优点,同时性能优于目前主流的非训练类算法,在处理边界显著性方面表现优异,具有较强的鲁棒性。    

14.  结合区域和边界信息的图像显著度检测  
   闯跃龙  楼宋江  张石清  郭文平  赵小明《中国图象图形学报》,2016年第21卷第3期
   目的 图像显著度检测是许多图像应用的核心问题,为了能够在复杂背景下准确提取图像中前景对象的位置和尺度信息,提出一种结合区域和边界信息的图像显著度检测方法。方法 对于图像区域信息,提出一种基于图像等照度线的方法检测显著区域信息。该方法针对不同的特征(颜色、亮度和方向)提出统一的计算方法,使得不同特征下获得的显著信息具有一致的度量标准,从而方便后续多特征显著度图的融合。对于图像边界信息,采用一种结合多尺度Beltrami过滤器的全局方法检测显著边界信息。多尺度Beltrami过滤器可以显著增强图像中的边界信息。利用全局显著度检测方法对经过过滤器处理过的图像可以准确地获取图像中最为显著的边界信息。最后,由于区域和边界分别代表图像中的不同类型信息,可以直接采用线性融合方式构建最终的图像显著度图。结果 与其他9种流行图像显著度检测算法相比,本文算法无论在简单还是复杂背景下均能够较为准确地检测出图像中的显著度信息(Precision、Recall、F测试中获得的平均值为0.5905,0.6554,0.7470的最高测试结果)。结论 提出一种结合区域和边界信息的图像显著度检测算法,通过区域和边界信息相结合的方式实现图像中显著对象的准确检测。实验结果表明本文算法具有良好的适用性和鲁棒性,为图像中复杂背景下对象检测打下坚实基础。    

15.  基于背景判别与邻域补偿的高光谱异常检测  
   马世欣  刘春桐  王欣  甘源滢  张正义《仪器仪表学报》,2019年第3期
   为克服高光谱局部异常检测算子背景虚警严重,探测效果不佳等问题,提出了基于核光谱角背景判别与邻域补偿的异常检测算法。算法从背景像元的筛选和探测结果的补偿两个角度提高像元探测精度,在背景像元的处理方面,提出了一种基于核光谱角距离相似度的背景像元筛选算法,将光谱分辨性能更强的核光谱角引入背景差异性判别过程,准确可靠地实现局部背景像元的筛选和优化;同时,针对异常检测算子探测精度不高等问题,引入邻域加权的空谱联合补偿机制,并提出基于核光谱角距离相似度的动态模板卷积补偿算法,显著增强了背景与目标的可分性。在与RX、LRX、KRX和CRD等异常检测算法的对比中发现,该算法表现出较强的探测性能,在抑制虚警和提高探测精度等方面达到了不错的效果。    

16.  基于立体视觉分析的显著性区域检测算法  
   汪婷  方帅  于磊《电子测量与仪器学报》,2015年第3期
   针对传统单目视觉显著性模型存在细节丢失,不适用于复杂场景等问题,提出一种基于立体视觉分析的显著性区域检测算法。首先,采用基于图的分割方法将图像分割成不同区域,根据颜色和视差以及空间相干性计算颜色复杂度和视差复杂度。其次,对两者进行显著性聚合,计算像素对比度从而得到区域对比度。最后,引用视差信息计算局部对比度后,进行融合归一化,获得显著图。该算法适用于背景纹理复杂的立体图像显著性区域检测,检测的显著图细节突出,边缘锐利。实验结果表明,该算法优于其他显著性算法,符合人类视觉机制,在立体图像数据集上获得了75%正确率和88%召回率。    

17.  多先验特征与综合对比度的图像显著性检测  
   袁巧  程艳芬  陈先桥《中国图象图形学报》,2018年第23卷第2期
   目的 图像的显著性检测在计算机视觉中应用非常广泛,现有的方法通常在复杂背景区域下表现不佳,由于显著性检测的低层特征并不可靠,同时单一的特征也很难得到高质量的显著图。提出了一种通过增加特征的多样性来实现显著性检测的方法。方法 在高层先验知识的基础上,对背景先验特征和中心先验特征重新进行了定义,并考虑人眼视觉一般会对暖色调更为关注,从而加入颜色先验。另外在图像低层特征上使用目前较为流行的全局对比度和局部对比度特征,在特征融合时针对不同情况分别采取线性和非线性的一种新的融合策略,得到高质量的显著图。结果 在MSRA-1000和DUT-OMRON两个公开数据库进行对比验证,实验结果表明,基于多先验特征与综合对比度的图像显著性检测算法具有较高的查准率、召回率和F-measure值,相较于RBD算法均提高了1.5%以上,综合性能均优于目前的10种主流算法。结论 相较于基于低层特征和单一先验特征的算法,本文算法充分利用了图像信息,能在突出全局对比度的同时也保留较多的局部信息,达到均匀突出显著性区域的效果,有效地抑制复杂的背景区域,得到更加符合视觉感知的显著图。    

18.  结合基元对比度与边界先验的显著性区域检测  
   窦燕  陈美奂  段亮亮《高技术通讯》,2015年第25卷第2期
   研究了对完成计算机视觉任务有重要作用的视觉显著性检测,考虑到单纯依靠对比度计算进行显著性检测具有一定的局限性,提出了一种结合基元对比度与边界先验信息的显著性区域检测算法.该算法通过Mean-Shift分割构造图像基元结构,以图像基元为基础,利用图像颜色和亮度两种特征获得基元对比度显著图,再利用图像边界先验条件得到边界显著图;为了突出显著性目标,采用一种新的融合方式将以上检测结果进行融合,最后对显著图像进行多尺度增强操作,以获得更加高质量的显著性图.在国际公开数据集上的实验表明,该算法与现有的较成熟的方法相比,基本符合人眼的主观判断,具有较高的精度召回率.    

19.  基于USAN的改进的角点检测算法  
   郭海霞  解凯《计算机工程》,2007年第33卷第22期
   提出了一种基于USAN的改进的角点检测算法。该算法在原有SUSAN算法的基础上做了如下改进:使用一个3×3的方形预检测窗口对图像的像素进行预检测,在精确检测角点前剔除掉大部分的背景点、边界点及脉冲噪声点,提高了算法的效率;根据图像不同区域对比度不同的特性,采用根据对比度自动调节核心点与其邻域像素的灰度差值门限的方法,使所检测出的角点分布均匀;利用基于USAN定义的角点所应具有的特征(角的边缘及USAN的连续性)来剔除伪角点,降低了角点虚报和漏检的发生率。仿真实验证明了该文所提出的算法具有抗噪能力强、运算量小的特点,适于实时实现。    

20.  基于压缩传感和加权主色的镜头边界检测算法  
   潘磊  程科  束鑫  张明《光电子.激光》,2015年第6期
   针对现有算法存在计算量大、对摄像机和物体运动 敏感等缺点,提出一种基于压缩传感(CS)和加权主色(WMC)的镜头边界检测(SBD)算法(CSWMC )。首先通过直方图特征得到粗略的镜头 边界集合;然后利用CS将该集合中的帧及其前后帧的高维特征投影到低维空间,采用调节余 弦相似度得到基 于夹角的第一判定指标;继而定义一种新的图像主色权值和基于该权值的类Bhattacharyya 相似度,得到基于颜色 相似度的第二判定指标;以两种判定指标的乘积作为最终判定指标,并设计一种朴素但有效 的策略进行SBD。 实验结果表明,与常用方法相比,所提算法具有更高的查全率和精确率,能够更加有效进行 SBD。    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号