图像显著性检测方法解析

图像显著性检测是一种通过对图像颜色、强度、方向等特征进行分析生成图像显著性图的技术。其生成的显著性图可以用于图像分割、图像压缩以及图像识别等图像处理领域,从而改善图像处理的性能。为了对图像显著性检测技术及其发展有一个全面深入的了解,使用文献研究法和比较研究法对其概念及方法进行了探究。针对几种具有代表性的图像显著性检测算法进行了简要的概述和分析,用流程图简明扼要地表示显著性检测算法的基本框架。研究结果显示,图像显著性检测技术的效率在不断提升,算法越来越多样化,在图像处理领域的应用越来越广泛,这些对于图像处理自动化具有重要意义。     

基于频域显著性分析的红外小目标检测算法

针对复杂背景下的红外小目标检测问题,提出一种基于频域显著性分析的小目标检测算法。算法利用红外图像中目标在频域内相较于背景更加显著的特点,通过频域显著性计算得到红外图像的显著图,消除部分背景杂波干扰,然后通过自适应阈值分割显著图,提取出感兴趣区域,进一步在感兴趣区域中计算多尺度窗口的显著度,从而完成小目标的检测。从理论上分析了算法的有效性,并利用典型的红外图像进行了实验,实验结果表明,所提算法能够很好地完成低信噪比条件下的红外小目标检测。与其他方法相比,在保证目标检测准确率的前提下,所提算法简单有效、复杂度低、计算效率高,满足实时性要求。     

超像素和阈值分割相结合的显著目标检测算法

现有的显著性检测结果普遍含噪及未能完整高亮显著物体,使得后续的显著目标检测仍是一个具有挑战性的问题。提出了一种结合超像素分割和阈值分割的新的显著目标检测算法。算法首先利用超像素分割方法对原图像进行分割计算,然后依据显著性检测结果计算每一个分割区域像素的平均显著度值,接着用平均显著度值表示超像素内每一个像素的原显著度值,最后根据阈值分割算法对其进行计算获取二值掩码图以表示显著目标检测结果。实验结果表明,在4种具有代表性的显著图上,所提算法能有效检测显著目标,具有较高的正确率、召回率和F度量值。     

基于空时域特征的视觉显著度图生成算法

本文提出了一种新的计算图像空时域显著图的方法,该算法首先用lucas-kanade金字塔算法求绝对运动矢量,用8参数透视模型计算背景运动矢量,再用二者的差值求时域显著图;然后利用颜色对比度和纹理信息计算空域显著图;最后,融合空时域并设置阈值得到总的图像显著图。实验结果表明,新算法能比已有算法更有效的提取视频图像的显著性区域。     

一种新的仿生图像融合算法

提出一种新的仿生图像融合算法。首先模拟人类视觉注意特征,计算出视觉显著度图并采用视觉显著度图制导融合。使得源图像中的视觉显著区域得到突出,对于分量进行整合,然后整体融合,这样使得融合结果包含更多的可视信息,对于的异源图像融合具有良好效果。通过对比实验结果,分析结构相似度和源图像传递到融合图像的边缘信息量的参数表明算法的有效性。     

基于特征显著性融合的红外小目标检测

复杂背景下的红外图像通常存在信噪比低、邻近像素灰度变化不明显以及易被杂波信号和噪声干扰的特点,导致红外小目标检测困难。为解决上述问题,提出一种基于特征显著性融合的红外小目标检测算法。首先,在空间域中利用目标与其局部背景灰度差异来计算得到灰度显著图,在频域中结合谱残差计算得到背景抑制后的频域显著图;其次,将灰度显著图和频域显著图归一化后通过哈达玛乘积相互融合;最后,通过自适应阈值分割并使用Unger滤波器剔除较小的噪声点,从而提取出目标区域。实验结果表明,所提算法对图像的信噪比有了数十倍的提升,对背景抑制效果显著,并有着检测率高和虚警率低的优点,是一种有效的小目标检测算法。     

融合颜色特征和对比度特征的图像显著性检测

图像显著性检测能够获取一幅图像的视觉显著性区域,是计算机视觉的研究热点之一。提出一种结合颜色特征和对比度特征的图像显著性检测方法。首先构造图像在HSV空间的颜色函数以获取图像颜色特征;然后使用SLIC超像素分割算法对图像进行预处理,基于超像素块的对比度特征计算图像显著性;最后将融合颜色特征和对比度特征的显著图经过导向滤波优化形成最终的显著图。使用本文算法在公开数据集MSRA-1000上进行图像显著性检测,并与其他6种算法进行比较。实验结果表明本文算法结合了图像像素点和像素块的信息,检测的图像显著性区域轮廓更加完整,优于其他方法。     

基于宽频调谐特征和谱残差分析的显著性目标检测

根据人眼视觉系统的基本特点,提出一种基于宽频调谐特征和谱残差分析的显著性目标检测算法。该方法通过在上下文信息中提取图像的宽频调谐特征,运用线性叠加融合宽频调谐特征子图得到初步特征图,然后利用多尺度方法构建多分辨率显著图谱子序列,最后利用谱残差分析融合位置特征对显著性子图进行操作运算得到最终的显著图。基于自然图像的显著性目标检测实验结果证明,该方法具有较好的实用性和较强的稳定性,能够获取较为精确的检测结果。     

基于背景先验与中心先验的显著性目标检测北大核心CSCD

针对传统的图流行排序显著性目标检测算法存在先验信息单一,显著目标检测不完整的问题,提出一种新的基于背景先验与中心先验的显著性目标检测算法。首先将图像边界节点作为背景种子进行流行排序获得粗略的前景区域,将其再次流行排序得到初步显著图;然后利用Harris角点检测、聚类实现中心先验显著性检测,捕获中心显著信息;最后在初步显著图上融合图像中心显著性,得到最终显著图。本文对综合指标、精确率-召回率曲线、F-measure值以及平均绝对误差(mean absolute error,MAE)值进行实验评估,在公开数据集MSRA-10K和ECSSD上进行的实验结果表明:对比10种主流算法,本文算法在不同的评估指标上都具有较好的表现,且能准确地突出显著目标,提升背景抑制效果。     

基于流形排名与迟滞阈值法的视觉显著性检测

视觉显著性检测是机器视觉领域的关键技术之一.提出一种基于流形排名与迟滞阈值的检测方法,首先将图像划分成超像素集合,以之作为结点形成闭环图;再按照基于图的流形排名方法计算各个结点的显著值,形成图像的显著图;然后利用显著图直方图统计出高、低两个阈值,将显著图划分为三个部分,使用伽马校正技术分别进行处理,最终整合校正结果得到输出显著图.实验结果表明,相对于现有算法,本文算法得到的显著图能够更好地区分背景区域和显著目标,同时也更具稳健性.     

非清晰区域抑制下的显著对象检测方法

基于上下文感知的显著区域检测模型（Context-Aware,CA）对于大目标和复杂背景图像中显著对象检测存在检测内容缺失和误检的问题.在CA模型的基础上,引入图像清晰度的视觉反差特性,提出非清晰区域抑制下的图像显著对象检测方法.该方法以离散度作为判断图像中是否存在清晰度差异的标准,并对存在差异的图像进行抑制.实验结果表明,非清晰区域抑制的CA方法可以在较好的解决大目标检测和复杂背景误检问题,提高了显著对象检测精度.     

A depth perception and visual comfort guided computational model for stereoscopic 3D visual saliency

With the emerging development of three-dimensional (3D) related technologies, 3D visual saliency modeling is becoming particularly important and challenging. This paper presents a new depth perception and visual comfort guided saliency computational model for stereoscopic 3D images. The prominent advantage of the proposed model is that we incorporate the influence of depth perception and visual comfort on 3D visual saliency computation. The proposed saliency model is composed of three components: 2D image saliency, depth saliency and visual comfort based saliency. In the model, color saliency, texture saliency and spatial compactness are computed respectively and fused to derive 2D image saliency. Global disparity contrast is considered to compute depth saliency. Particularly, we train a visual comfort prediction function to distinguish stereoscopic image pair as high comfortable stereo viewing (HCSV) or low comfortable stereo viewing (LCSV), and devise different computational rules to generate a visual comfort based saliency map. The final 3D saliency map is obtained by using a linear combination and enhanced by a “saliency-center bias” model. Experimental results show that the proposed 3D saliency model outperforms the state-of-the-art models on predicting human eye fixations and visual comfort assessment.     

一种基于量子机制的图像显著性检测方案

提出了一种与传统方法相比效率更高的量子图像显著性检测方案.为了在量子计算机中表示和存储RGB图像,并计算不同像素间的反差,此方案采用3量子位描述颜色信息,把2轨×2图像矩阵编码为量子叠加态;结合Hadamard门和受控旋转算子,计算基态概率幅可反映像素在RGB三通道上的全局颜色反差;通过有限次数的投影测量可得到像素的归一化颜色反差及位置信息,并构建显著图.给出了相关量子电路的实现和复杂度分析.与多种传统显著性检测算法进行了对比实验,结果表明提出的方案具有良好的检测效果和更高的检测效率.     

局部和全局特征融合的红外图像显著性检测

为了更好地凸显复杂环境的红外目标特征,提出 一种融合局部和全局特征的红外图像 显著性检测方法。在获取图像超像素的基础上,提取每个区域空间距离加权的邻域对比度特 征,并考虑区域大小和位置的影响,构建局部显著图;然后提取每个区域空间距离加权的全 局灰度特征,构建全局显著图;最后融合局部和全局显著图,实现图像显著性检测。实验结 果 表明,本文方法的显著图结果目标区域一致高亮且边缘清晰,同时背景杂波抑制效果好。无 论 主观评价还是客观指标,本文方法都优于当前流行的图像显著性检测方法。     

基于“轮廓-区域”多层互补特性的显著性检测

针对显著性检测在混杂场景中目标容易混淆的问题,本文借助Gestalt心理学理论,利用轮廓线索与外观线索的互补特性,提出一种基于"轮廓-区域"多层互补特性的显著性检测方法.首先,在图像超像素分割基础上,分别提取基于颜色直方图的全局外观线索和基于区域近邻关系的局部对比度线索,充分描述了区域内容的显著性特征;其次,针对混杂场景的区域外观差异小而引起的目标混淆问题,提取基于边缘的目标轮廓封闭性,描述区域轮廓的显著性特征;最后,为了提高对目标尺寸的自适应能力,本文方法使用支持向量机优化多尺度模型中的"轮廓-区域"互补特性融合过程.在ASD,MSRA10K,SED2公认数据集上的实验表明,本文基于轮廓封闭特性的显著性特性,能够有效改善目标显著性查全率、查准率,优于现有的其他先进方法.     

基于视觉注意力模型的红外目标检测

根据视觉心理学的相关理论,提出一种基于灰度特征提取和视觉注意力模型的红外目标检测方法,并应用于复杂背景的红外目标检测.首先对输入图像进行采样,生成高斯金字塔,并用center-surround算子提取多尺度的视觉差异,通过对灰度特征图的归一化和线性融合获得综合的显著图,最后通过基于相似性和邻接性的阈值判断得到最终检测结果.该方法应用于多种地面目标的检测均取得较好效果,待检测的目标在显著图中得到明显的增强.试验结果进一步验证了算法具有很好的探测性能.     

基于视觉显著图的目标探测

从人类视觉机制出发,围绕方向、亮度和色彩等特征,介绍了计算机视觉显著性实现方式和视觉模型。成功通过人为和天然刺激相结合的方式,将该模型充分应用于目标探测。利用模型对数据库中包含车辆的背景图片进行观察实验发现,在75%的图像中,计算机模型要比观察员先发现目标。结果表明该模型更适用于显著目标的探测。     

Spatiotemporal saliency detection and salient region determination for H.264 videos

In this study, a spatiotemporal saliency detection and salient region determination approach for H.264 videos is proposed. After Gaussian filtering in Lab color space, the phase spectrum of Fourier transform is used to generate the spatial saliency map of each video frame. On the other hand, the motion vector fields from each H.264 compressed video bitstream are backward accumulated. After normalization and global motion compensation, the phase spectrum of Fourier transform for the moving parts is used to generate the temporal saliency map of each video frame. Then, the spatial and temporal saliency maps of each video frame are combined to obtain its spatiotemporal saliency map using adaptive fusion. Finally, a modified salient region determination scheme is used to determine salient regions (SRs) of each video frame. Based on the experimental results obtained in this study, the performance of the proposed approach is better than those of two comparison approaches.     

一种基于CENTRIST方法与显著图分割的行人检测方法

在智能监控系统中,行人是最为关键的目标对象.监控系统可根据当前捕获的行人检测结果,触发跟踪系统持续观察兴趣目标,从而给出兴趣目标的行为与状态信息.考虑到行人检测结果直接影响跟踪系统的输出,基于CENTRIST(Census Transform Histogram)方法的行人检测结果,采用显著图分割技术,将包含行人的前景区域与检测框内的背景区域分离开来,使得跟踪系统能够根据行人的主体运动部分做出准确判断,有效地缓解了背景区域以及行人局部运动(如手、脚运动)对跟踪结果的干扰.实验结果表明,该行人检测方法在提高后续跟踪模块准确率的同时,又能适用于实时性要求较高的智能视频监控系统.