基于复合感受野的轮廓检测算法

自然场景自动检测目标轮廓是非常困难的。该文提出了一种基于复合感受野的图像轮廓检测仿生模型。在传统的基于抑制模型的基础上引入去抑制机制,在减少背景纹理干扰的同时,保护较弱的轮廓,从而尽量保持轮廓的完整性。实验结果表明,这种仿生模型可以有效地抑制纹理边缘,减少对轮廓的破坏,提高了自然背景中轮廓检测的性能。     

一种基于生物视觉感知的轮廓检测模型

提出了一种基于生物视觉的轮廓检测模型.该模型首先在研究初级视皮层结构的基础上,模拟了单个细胞的响应函数.然后通过构造一个新的邻域影响因子来描述感受野神经元间的相互影响.所提模型在充分考虑邻域刺激与中心神经元间距离、相对位置、最优朝向的差异影响下,有效地抑制了背景纹理的干扰,增强了具有相同结构神经元的响应,得到了清晰的轮廓.仿真实验表明,本模型克服了传统算法的不足,具有更好的检测准确性和稳定性,并在实际检测中得到满意的结果.     

基于图像导数框架和非负稀疏编码的颜色恒常计算方法

 本文通过模拟初级视皮层神经元感受野在视觉信息处理中的功能,提出了一种基于图像导数框架和非负稀疏编码思想的颜色恒常性计算模型,以实现对色偏图像的颜色矫正.从解决工程问题的角度,本文提出的基于生理机制的计算模型在处理效果上可与目前最好的颜色恒常性算法相媲美;从计算神经科学的角度,本文模型支持了大脑初级视皮层在视觉颜色恒常性中扮演重要角色的观点.     

模拟视觉感知机制的视频监控场景分类方法

监控场景分类能增强智能视频监控的准确性与自适应性.本文提出一种模拟人类视觉感知机制的监控场景分类方法.首先,用二维双密度双树复小波变换模拟视皮层中简单细胞的空间尺度与朝向感知机制,将一幅监控场景图像分解为一系列不同尺度及朝向上的小波子带图像.然后,模拟视皮层中复杂细胞结构所呈现的统计特征感知机制,用基于小波共生矩阵的复合统计特征提取方法对上述小波子带图像进行统计特征提取,生成监控场景图像对应的特征向量.最后,将样本集中不同类别监控场景图像对应的特征向量输入支持向量机,训练出视频监控场景分类器.实验结果表明,相比于常规的自然场景分类方法,本文方法更适合于处理包含丰富空间几何结构特征的视频监控场景.     

MCA-Net:多尺度综合注意力CNN在医学图像分割中的应用

医学图像自动分割技术具有辅助临床医学诊断的功能.为改善CNN模型在医学图像分割中存在感受野小及细节特征不敏感等问题,基于多尺度策略以及注意力机制,提出一种多尺度综合注意力的U形网络架构,以提升医学图像分割质量.首先,提出一个新的双路径因式分解多尺度融合块,以扩展图像特征的感受野,进一步提取图像特征的细节信息.其次,在架构中融入通道和空间融合自注意力块,利用注意力机制的特性,抑制不相关的部分或背景以突显深层特征的空间信息.最后,引入多尺度注意力块.该模块通过融合多个尺度的特征信息,以突出不同尺度中最显著的特征图来适应当前分割对象的大小.为验证模型的可靠性,将所提出的网络模型应用于肺部、细胞轮廓及肝脏等医学图像分割任务.实验结果表明,所提方法在准确率、Dice系数、AUC及灵敏度等评估指标上均优于目前用于医学图像分割的主流方法.     

基于非经典感受野多尺度机制的图像分析方法

神经生理学研究表明,生物视觉系统比机器视觉系统在视觉信息上更加高效,这种信息处理的高效性归功于人类视觉神经中存在的多层神经网络。作为人类视觉系统的初级处理阶段,神经节细胞非经典感受野的尺寸大小可以根据外界刺激的性质进行自动调节,这种机制利用在图像处理技术上能够达到多尺度图像分析的目的。文中提出一个基于非经典感受野的多尺度图像分析方法,通过非经典感受野的自动调整机制,保留了图像的关键信息,减少了视觉系统进一步阶段的冗余信息。并通过与N-cut算法的对比和轮廓检测的实验表明这种多尺度规模图像分析模型能够给后期的图像处理任务带来一定程度的提升。     

基于移位窗口多头自注意力U型网络的低照度图像增强方法

针对低照度图像增强模型中的亮度提升、噪声抑制以及保持纹理颜色一致性等难点问题,该文提出一种基于移位窗口自注意力机制的低照度图像增强方法。该文以U型结构为基本框架,以移位窗口多头自注意力模型为基础,构建了由编码器、解码器以及跳跃连接组成的图像增强网络。该网络将自注意力机制的特征提取优势应用到低照度图像增强领域,建立图像特征信息之间的长期依赖关系,能够有效获取全局特征。将所提方法与当前流行的算法进行定量和定性对比试验,主观感受上,该文方法显著提升了图像亮度,抑制图像噪声效果明显并较好地保持了纹理细节和颜色信息;在峰值信噪比(PSNR)、结构相似性(SSIM)和图像感知相似度(LPIPS)等客观指标方面,该方法较其他方法的最优值分别提高了0.35 dB, 0.041和0.031。实验结果表明,该文所提方法能够有效提升低照度图像的主观感受质量和客观评价指标,具有一定的应用价值。     

基于初级视皮层抑制的轮廓检测方法

轮廓检测是基于形状目标识别任务的关键,然而从自然场景中自动地检测出目标的轮廓是非常困难的,因为背景中存在着大量的无关干扰成分.生理学与解剖学的研究表明初级视皮层中具有方位选择性的神经元的响应受到其周围环境中同方位刺激的抑制,因此方位发生变化的地方受到的抑制程度相对较少,这使得孤立的边缘或区域的边界更为显著.基于此我们提出了一个视觉生理机制的轮廓检测模型,其目的是减少背景纹理的干扰,同时保留感兴趣的对象.针对模拟及真实图像的实验结果表明这种抑制措施有效地抑制了纹理边缘并减少了轮廓自身的破坏,极大地提高了复杂背景中轮廓检测的性能.     

一种基于SAM-MSFF网络的低照度目标检测方法

由于低照度图像具有对比度低、细节丢失严重、噪声大等缺点,现有的目标检测算法对低照度图像的检测效果不理想.为此,本文提出一种结合空间感知注意力机制和多尺度特征融合（Spatial-aware Attention Mechanism and Multi-Scale Feature Fusion,SAM-MSFF）的低照度目标检测方法 .该方法首先通过多尺度交互内存金字塔融合多尺度特征,增强低照度图像特征中的有效信息,并设置内存向量存储样本的特征,捕获样本之间的潜在关联性;然后,引入空间感知注意力机制获取特征在空间域的长距离上下文信息和局部信息,从而增强低照度图像中的目标特征,抑制背景信息和噪声的干扰;最后,利用多感受野增强模块扩张特征的感受野,对具有不同感受野的特征进行分组重加权计算,使检测网络根据输入的多尺度信息自适应地调整感受野的大小.在ExDark数据集上进行实验,本文方法的平均精度（mean Average Precision,mAP）达到77.04%,比现有的主流目标检测方法提高2.6%～14.34%.     

基于视皮层全局感知特征的顽健图像散列方法

提出了一种基于视皮层全局感知特征的感知散列方法,图像首先被低通滤波后缩放成预定尺寸,然后图像分割成依赖于密钥的重叠子图像块,每块根据人类视觉系统主视皮层的层次结构,抽取图像经视觉通道逐层处理后的方向轮廓响应,并与表面颜色信息联合形成视皮层的全局感知特征,这些特征包含了每个图像块的方向、颜色信息,使得相邻系数的关系在通常的图像处理下保持不变,利用这种不变性将所有图像块的特征信息量化、置乱后形成二值图像散列.实验表明提出的方法对JPEG压缩、图像滤波等内容保持操作具有较好的顽健性,同时具有检测恶意篡改的能力,不同图像之间具有很低的共谋概率.     

Contour detection based on nonclassical receptive field inhibition

We propose a biologically motivated method, called nonclassical receptive field (non-CRF) inhibition (more generally, surround inhibition or suppression), to improve contour detection in machine vision. Non-CRF inhibition is exhibited by 80% of the orientation-selective neurons in the primary visual cortex of monkeys and has been shown to influence human visual perception as well. Essentially, the response of an edge detector at a certain point is suppressed by the responses of the operator in the region outside the supported area. We combine classical edge detection with isotropic and anisotropic inhibition, both of which have counterparts in biology. We also use a biologically motivated method (the Gabor energy operator) for edge detection. The resulting operator responds strongly to isolated lines, edges, and contours, but exhibits weak or no response to edges that are part of texture. We use natural images with associated ground truth contour maps to assess the performance of the proposed operator for detecting contours while suppressing texture edges. Our method enhances contour detection in cluttered visual scenes more effectively than classical edge detectors used in machine vision (Canny edge detector). Therefore, the proposed operator is more useful for contour-based object recognition tasks, such as shape comparison, than traditional edge detectors, which do not distinguish between contour and texture edges. Traditional edge detection algorithms can, however, also be extended with surround suppression. This study contributes also to the understanding of inhibitory mechanisms in biology.     

Stereo image quality assessment considering the difference of statistical feature in early visual pathway

Human visual theory is closely related to stereo image quality assessment (SIQA), which determines whether the evaluation results of SIQA method can keep good consistency with subjective perception. Many SIQA methods are not fully based on human visual theory, so there is still room for improvement. The research on the visual system tends to the dorsal and ventral pathways, which ignores the information differences in the early visual pathways. It is worth noting that the ON and OFF receptive fields in retinal ganglion cells (RGCs) respond asymmetrically to the statistical features of images. Inspired by this, in this paper, we propose an SIQA method based on monocular and binocular visual features, which takes into account the difference of ON and OFF response features in early visual pathways. Moreover, the different information interaction mechanisms of visual cortex are used to fuse the response maps information of left and right images. Final, monocular and binocular features are extracted and sent to support vector regression (SVR) for quality prediction. Experimental results show that the proposed method is superior to several mainstream SIQA metrics on four publicly available stereo image databases.     

基于视觉感受野的夜间彩色图像自适应增强算法

针对夜间环境造成的图像对比度下降和增强过程中带来的噪声、过曝和光晕效应等问题,提出了一种基于视觉感受野的夜间彩色图像自适应增强算法。首先将图像转换到HSV空间,鉴于视觉感知的对比度敏感特性,利用中心兴奋区及外周抑制区组成的拮抗式同心圆双高斯差(DOG)感受野模型对图像亮度空间V进行对比度自适应调节,并对模型参数σ1、σ2和局部对比度都进行量化水平为4的均匀量化,局部对比度较高的量化区间采用较小模型参数,局部对比度较低的量化区间采用较大的模型参数,模型参数A2与局部对比度成反比进行微调,最后将图像转换到回RGB空间。通过与流行算法MSRCR、NPE及LIME的对比实验表明,该算法获得了较好的主观视觉效果,且在对比度、亮度提高的同时避免了暗区域噪声过大,并更好地增强了轮廓信息。     

基于视觉神经元双拮抗机制的汽车外轮廓提取

为降低噪音影响、改善汽车车身反光造成虚假轮廓的现象,提出了一种视觉神经元双拮抗机制和自适应双阈值相结合的轮廓提取算法.双拮抗机制算法依据视觉神经元双拮抗原理处理图像得到亮度特征的轮廓,用扩展的大津法(Otsu)根据轮廓亮度分布自动选取高低阈值,对初步提取的轮廓进行双阈值处理,得到最终的汽车轮廓.利用客观性能指标对实验结果进行评价,结果表明提出的算法提升了汽车轮廓的完整性.与经典的轮廓提取算法相比,其计算复杂度低,对图像背景的适应性较强.     

基于方向选择性机制的图像背景杂波建模方法

受视觉系统方向选择性机制启发,提出了种新的图像杂波建模方法,并将其应用于成像系统目标获取性能评估中。首先,利用像素的梯度方向模拟视觉系统局部感受野中神经元的响应方向,通过比较中心像素与邻域像素之间的梯度方向相似性模拟神经元“兴奋”与“抑制”响应之间的关系,设计了一种方向选择性视觉模式。其次,考虑到人眼视觉系统对亮度对比度敏感,将亮度对比度作为权重因子对视觉模式直方图加权,在加权直方图空间中对背景杂波建模。最后,推导了背景杂波与目标获取性能之间的关系,建立了光电成像系统目标获取性能评估模型。利用公开数据集对模型进行了验证,实验结果表明,提出的方法所评估的目标获取性能与外场实际目标获取性能具有较高的一致性,而且在均方根误差、相关性方面优于现有的性能评估方法。     

合成孔径雷达三维成像中的视觉语义浅析

"合成孔径雷达微波视觉三维成像",从概念上说,旨在将"视觉语义"引入到合成孔径雷达的成像模型中,以期提高三维成像的质量.对层析合成孔径雷达(TomoSAR)来说,"视觉语义"的引入可望有效减少To-moSAR所需的观测次数.然而,什么是"视觉语义"?从视觉感知的途径看,"单眼"和"双眼"均可以从场景感知三维结构信息;从...