基于低秩背景约束与多线索传播的图像显著性检测

针对当前基于流形排序的显著性检测算法缺乏子空间信息的挖掘和节点间传播不准确的问题,该文提出一种基于低秩背景约束与多线索传播的图像显著性检测算法.融合颜色、位置和边界连通度等初级视觉先验形成背景高级先验,约束图像特征矩阵的分解,强化低秩矩阵与稀疏矩阵的差异,充分描述子空间结构信息,从而有效地将前景与背景分离;引入稀疏感知和局部平滑等线索改进传播矩阵的构建,增强颜色特征出现概率低的节点的传播能力,加强局部区域内节点的关联性,准确凸显节点的属性,得到紧密且连续的显著区域.在3个基准数据集上的实验结果与图像检索领域的应用证明了该文算法的有效性和鲁棒性.     

基于低秩背景约束与多线索传播的图像显著性检测

针对当前基于流形排序的显著性检测算法缺乏子空间信息的挖掘和节点间传播不准确的问题,该文提出一种基于低秩背景约束与多线索传播的图像显著性检测算法。融合颜色、位置和边界连通度等初级视觉先验形成背景高级先验,约束图像特征矩阵的分解,强化低秩矩阵与稀疏矩阵的差异,充分描述子空间结构信息,从而有效地将前景与背景分离;引入稀疏感知和局部平滑等线索改进传播矩阵的构建,增强颜色特征出现概率低的节点的传播能力,加强局部区域内节点的关联性,准确凸显节点的属性,得到紧密且连续的显著区域。在3个基准数据集上的实验结果与图像检索领域的应用证明了该文算法的有效性和鲁棒性。     

基于卷积神经网络与全局优化的协同显著性检测

针对目前协同显著性检测问题中存在的协同性较差、误匹配和复杂场景下检测效果不佳等问题,该文提出一种基于卷积神经网络与全局优化的协同显著性检测算法。首先基于VGG16Net构建了全卷积结构的显著性检测网络,该网络能够模拟人类视觉注意机制,从高级语义层次提取一幅图像中的显著性区域;然后在传统单幅图像显著性优化模型的基础上构造了全局协同显著性优化模型。该模型通过超像素匹配机制,实现当前超像素块显著值在图像内与图像间的传播与共享,使得优化后的显著图相对于初始显著图具有更好的协同性与一致性。最后,该文创新性地引入图像间显著性传播约束因子来克服超像素误匹配带来的影响。在公开测试数据集上的实验结果表明,所提算法在检测精度和检测效率上优于目前的主流算法,并具有较强的鲁棒性。     

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。     

基于多特征扩散方法的显著性物体检测

现有的大部分基于扩散理论的显著性物体检测方法只用了图像的底层特征来构造图和扩散矩阵,并且忽视了显著性物体在图像边缘的可能性。针对此,该文提出一种基于图像的多层特征的扩散方法进行显著性物体检测。首先,采用由背景先验、颜色先验、位置先验组成的高层先验方法选取种子节点。其次,将选取的种子节点的显著性信息通过由图像的底层特征构建的扩散矩阵传播到每个节点得到初始显著图,并将其作为图像的中层特征。然后结合图像的高层特征分别构建扩散矩阵,再次运用扩散方法分别获得中层显著图、高层显著图。最后,非线性融合中层显著图和高层显著图得到最终显著图。该算法在3个数据集MSRA10K,DUT-OMRON和ECSSD上,用3种量化评价指标与现有4种流行算法进行实验结果对比,均取得最好的效果。     

基于全卷积网络的语义显著性区域检测方法研究

基于底层视觉特征和先验知识的显著性区域检测算法难以检测一些复杂的显著性目标,人的视觉系统能分辨这些目标是由于其中包含丰富的语义知识.本文构建了一个基于全卷积结构的语义显著性区域检测网络,用数据驱动的方式构建从图像底层特征到人类语义认知的映射,提取语义显著性区域.针对网络提取的语义显著性区域的缺点,本文进一步引入颜色信息、目标边界信息、空间一致性信息获得准确的超像素级前景和背景概率.最后提出一个优化模型融合前景和背景概率信息、语义信息、空间一致性信息得到最终的显著性区域图.在6个数据集上与15种最新算法的比较实验证明了本文算法的有效性和鲁棒性.     

基于局部熵-局部对比度和双区域直方图均衡化的红外图像增强

为了改善红外图像的视觉效果,突出细节信息,同时抑制噪声。提出了结合改进的LC显著性检测和双区域直方图均衡化的红外图像增强方法。首先使用结合局部熵加权的LC显著性检测算法得到显著图。然后使用K-means算法对显著图进行自适应分割得到前景区域和背景区域。最后对前景区域进行结合局部方差的改进直方图均衡化,对背景区域使用限制对比度直方图均衡化增强。实验结果表明,与当前主流算法相比,本文算法主观效果更佳,且峰值信噪比、结构相似性、信息熵等客观评价参数均有所提升。     

基于视觉显著性与文字置信图的场景文字的背景抑制方法

复杂背景是影响场景文字自动定位算法性能的重要因素。为消除背景干扰,本文首先根据谱残差理论获取显著性区域,然后利用基于笔画特征的点对梯度方向差比例图与基于傅里叶谱统计特征的后验概率图取得显著性区域的文字置信图,最后借助图模型融合视觉显著性图、文字置信图与HSI颜色特征最终达到抑制自然图像背景并突出前景文字的效果。在ICDAR2011场景文字定位竞赛数据库与实验室场景中文数据库中的实验结果表明,本算法可较好的抑制自然图像中复杂背景,并有效提升算法的性能。     

基于超像素时空显著性的运动目标检测算法

针对复杂背景下运动目标检测存在的背景干扰、目标分割不完整等问题,利用目标静态灰度特征和运动特征,结合目标运动连续特性,提出了一种基于超像素时空显著图的运动目标检测算法。首先对图像基于简单线性迭代聚类算法(SLIC)进行超像素分割,以初始超像素为节点、以运动特征差异性为边建立图结构对超像素区域进行合并,得到最终超像素图像,可以有效解决传统超像素分割方法过分割而导致目标被分为多个部分的问题;然后分别利用目标静态特征对比度和运动特征对比度,得到静态显著性图和运动显著性图,并融合得到最终的时空显著性图;最后利用恒虚警处理技术,结合运动连续特性实现目标的检测,可以有效减少虚警目标。实验结果表明,该算法针对复杂背景具有良好的鲁棒性,并且可以比较完整的保留目标的信息。     

基于显著图和稳定区域融合的小目标检测算法

在真实场景中,物体的尺寸往往是多样的,基于大 图像的目标检测很难检测所有的物体。为了检测较小尺寸目标,本文利用显著图和稳定区域 融合,建立小目标检测算法模型。首先利用基于颜色名空间的显著性检测算法生成显著图, 同时采用基于最大稳定极值区域(MSER)算法提取局部稳定区域,MSER算法是目前针对图像 变形最为稳定的特征检测算法;其次采用像素乘性融合稳定区域和显著图以降低虚警概率; 最后调用一些图像处理过程,包括形态学重建操作、灰度变换、形态空穴填充操作,能够有 效抑制背景,同时均匀的突出显著性目标,以推断和优化最终结果。为了验证该算法的有效 性和实用性,以PR曲线为评价指标,比较了几种主流算法的性能,包括AZ-NET、FPN、PGAN 。通过对Sky数据集和Ground数据集的测试,表明该算法能够很好地适应目标尺寸的变化, 在检准率和检全率方面优于现有的小目标检测算法,具有良好的鲁棒性。     

一种基于视觉显著性的SAR图像弱目标检测算法

针对传统的恒虚警率(CFAR)算法应用于SAR图像弱目标检测存在虚警率高的问题,提出一种基于改进型Itti视觉显著性模型的新算法。该算法首先获取SAR图像的局部方差特征图、亮度频率特征图和全局对比度特征图,然后将特征图经高斯模糊和归一化后,将其非线性融合生成原始SAR图像尺度的显著图,最后从显著图中提取视觉显著性区域作为最终的检测结果。仿真结果表明,通过和改进型CFAR、相干CFAR和二维Otsu检测三种算法的检测性能对比,该算法在检测准确率和时间复杂度上均具有良好的性能。     

基于显著性候选区域的遥感船舶检测算法

针对遥感船舶检测任务场景中与海面颜色相似船舶显著值低以及海岸线、岛屿等背景干扰问题,提出一种基于显著性候选区域的遥感船舶检测算法.首先,该算法采用脉冲耦合神经网络将根据改进频率调谐显著性检测与Hessian矩阵边缘检测得到的两种显著图相融合得到总显著图,以提高与海面背景颜色相近船舶的显著值,从而提取有效的船舶候选区域切片;然后,利用迁移VGG16网络提取数据集特征训练SoftMax分类器,以鉴别该候选区域切片,分离候选区域中可能存在的背景干扰,从而实现船舶目标检测.试验结果表明,所提算法具有良好的准确性.     

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。     

基于视觉显著模型的遥感图像舰船快速检测

为了降低传统高分辨率海面遥感图像舰船目标检测方法的计算复杂度,提高检测速度,在舰船目标检测中引入了基于直方图对比度的视觉显著模型和空间降维算法,提出一种新的高分辨率海面遥感图像舰船目标快速检测算法。首先对高分辨率遥感图像进行空间降维,然后计算降维图的视觉显著图,突出感兴趣目标区域,最后利用最大类间方差法分割视觉显著图以获取舰船目标候选区域。结果表明,目标检测所消耗的时间减小为原来的10%~12%,弱化了复杂海面纹理背景对目标检测的影响。该研究提高了高分辨率遥感图像舰船目标的检测效率。     

基于模糊同质性映射的文本检测方法

视频图像中的文本是从语义层次对视频图像内容进行描述的非常有效信息,文本检测为基于语义的图像检索提供了条件。该文提出了一种基于模糊逻辑和同质映射相结合的文本检测方法,首先利用最大信息熵准则将原始图像模糊化;然后构造基于边缘信息和纹理信息的图像同质性,并利用它将图像映射到模糊同质性空间;最后在模糊同质性空间通过纹理分析检测文本区域。与直接在图像空间域中提取特征的文本检测方法相比,该方法对复杂背景视频图像的文本检测取得了更好的效果,并且适用于多种类型的视频图像中文本的检测。     

基于图像融合的运动前景检测方法

提出了一种有效的运动前景检测方法。该方法根据图像融合思想,将背景帧与监控视频的当前帧在R,G和B颜色通道分别进行融合,形成包含背景帧和当前帧视觉信息的单一融合图像。之后根据背景区域与前景运动目标在饱和度上存在较大差异的现象,使用大津算法分割融合图像的饱和度分量图,形成运动前景二值图。经形态学处理后,形成了目标区域较完整、背景干净的运动前景检测图。实验结果显示,该算法具有较好的前景检测性能,解决了背景减法过分依赖背景帧的缺陷。     

基于广义高斯分布的视频运动目标快速检测算法

提出一种基于熵能和广义高斯分布的运动目标检测算法.通过自适应的局部阈值选取算法获得与图像中不同区域噪声相匹配的分割阈值.使用均值法构造背景图像并使用减背景法得到差分图,根据熵能原理利用背景图像序列的差分图获取分割阈值的训练样本,采用广义高斯分布模型描述得到的样本,通过分析广义高斯分布的尺度参数对检测结果的影响来获取合适的尺度参数,并通过计算样本落于分割阈值内的概率得到合适的分割阈值.实验结果表明,该算法在运动目标检测效果和运行时间方面都有好的性能.     

一种基于图的流形排序的显著性目标检测改进方法

该文针对现有的基于图的流形排序的显著性目标检测方法中仅使用k-正则图刻画各个节点的空间连接性的不足以及先验背景假设过于理想化的缺陷,提出一种改进的方法,旨在保持高查全率的同时,提高准确率。在构造图模型时,先采用仿射传播聚类将各超像素(节点)自适应地划分为不同的颜色类,在传统的k-正则图的基础上,将属于同一颜色类且空间上位于同一连通区域的各个节点也连接在一起;而在选取背景种子点时,根据边界连接性赋予位于图像边界的超像素不同的背景权重,采用图割方法筛选出真正的背景种子点;最后,采用经典的流形排序算法计算显著性。在常用的MSRA-1000和复杂的SOD数据库上同7种流行算法的4种量化评价指标的实验对比证明了所提改进算法的有效性和优越性。     

基于RGF改进显著性检测与SCM相结合的图像融合

针对传统显著性检测融合方法中目标对比度低,纹理细节不够丰富的问题,提出了一种基于滚动导向滤波(RGF)改进显著性检测与脉冲发放皮层模型(SCM)相结合的可见光与红外图像融合算法。该算法先将源图像经过非下采样剪切波变换(NSST)分解成低频部分和高频部分,然后利用RGF小尺度消除、大尺度边缘恢复特性对Frequency Tuned算法进行改进并提取出红外图像显著图。再使用显著图投影区域指导法融合低频部分,同时采用SCM结合区域能量与改进的拉普拉斯能量和融合高频部分,最后使用逆变换重建图像。仿真结果表明,该算法能在突出显著目标的同时保留丰富的细节信息,在质量指标如标准差、互信息、边缘保留因子等方面均优于对比方法。     

一种针对海面SAR图像的视觉注意模型设计

在研究了经典ITTI等视觉注意模型的理论基础上,结合海面SAR图像背景及目标特点,对传统视觉模型应用于海面SAR图像的缺陷进行分析总结,提出一种适用于海面SAR图像视觉注意模型设计算法。首先,模型借鉴经典ITTI模型的基本框架,选择并提取了能够较好描述SAR图像的纹理和形状特征,求取相应的特征显著图;其次,采用新的特征显著图整合机制替代经典模型的线性相加机制进行显著图融合得到总显著图;最后,综合各特征显著图下注意焦点的灰度特征,选择最佳的显著性表征,完成通过多尺度竞争策略对显著图的滤波及阈值分割实现显著区域的精确筛选,从而完成SAR图像的显著区域检测。实验采用Terra SAR-X等多幅卫星数据进行仿真实验,结果验证了模型良好的显著性检测效果,更符合实际高分辨率图像目标检测的应用需求。通过进一步与经典视觉模型对比分析,模型在改善了由斑点噪声和不均匀的海杂波背景对检测结果产生的虚警影响的同时,检测速度也较之提高了25%~45%。