基于视觉注意的医学图像感兴趣区域提取*

提出一种基于视觉注意机制的医学图像感兴趣区域提取方法。受生物学启发,该方法模仿人类自下而上的视觉选择性注意过程,通过计算图像中每个像素的全局对比度,构造相应的显著图,并根据显著图,检测出图像中的显著区域。利用多幅医学图像对本方法进行评估,结果表明,该方法能够快速、精确地提取图像中的感兴趣区域,在提取结果和运算速度上均取得了令人满意的效果。     

基于视觉注意模型的数字图像水印算法

提出了一种基于视觉注意模型的数字图像水印算法,充分利用人眼的视觉注意特性,通过对图像中视觉注意区域嵌入较弱的水印信息,降低水印图像的视觉失真,对非视觉注意区域嵌入较强的水印信息,提高水印检测的鲁棒性.在多幅图像上的实验结果表明,该方法能够有效地隐藏图像水印信息,获得较佳的图像视觉效果;并且,在各种常见的图像攻击下,水印检测结果优于基于边缘的方法.     

结合视觉注意和纹理特征提取感兴趣区域算法

针对图像底层特征特别是纹理特征对提取感兴趣区域(region of interest,ROI)影响程度的问题,利用眼动实验数据得到图像的ROIeye和最佳权重w,提出了一个结合视觉注意和纹理特征提取的ROI算法.该算法首先提取纹理特征并归一化特征关注图,然后计算图像在w下的显著图,通过二值化和形态学操作提取图像的特征ROI.采用相关性分析,分析纹理特征对ROI提取的影响.实验结果表明该算法的总体效果良好,特别是对于目标对象纹理信息较丰富的图像,能准确地提取图中ROI.     

视觉关注度的立体图像质量评价

立体图像质量评价对立体视频技术的发展起着非常重要的作用。常用的PSNR(峰值信噪比)方法不能反映人类视觉感知特性,也不能直接应用到立体图像质量评价中。针对人类视觉对立体图像深度感知和重点关注感兴趣区的特点,提出基于纹理图和深度图感兴趣区的质量评价方法。首先对纹理图和对应的深度图利用视觉关注度提取工具提取感兴趣区,然后在评价的过程中对各感兴趣区根据感兴趣程度分配基于像素的权重系数,最后将权重系数应用在立体图像的各个区域中进行评价。实验结果表明该方法得到的立体图像质量客观评价结果与主观评价结果之间具有更好的一致性,符合人眼视觉系统感知特性。     

基于图像纹理复杂度的小波域数字水印算法

针对水印信息嵌入量小、鲁棒性弱、遮蔽性差的问题,提出一种基于图像纹理复杂度的小波域人类视觉系统的水印算法。该算法将载体图像进行分块,计算每块的图像熵,并根据图像熵对载体图像的纹理特征区域进行分类,不同纹理特征水印的嵌入量不同。利用Logistic映射对水印信号进行置乱变换,将水印信号嵌入到二层离散小波变换的低频系数中,并利用小波域人类视觉模型控制水印的嵌入强度。在提取水印时,通过水印误码率和峰值信噪比评价水印质量。实验结果表明,该算法能抵抗噪声干扰、裁剪和密钥攻击,水印图像具有较强的鲁棒性和良好的遮蔽性。     

基于局部相关匹配的小波变换图像水印方法*

现有局部感兴趣区域的水印嵌入方法在选取感兴趣区域时未考虑水印信号能与载体图像局部相似的特性,本文提出一种基于局部相关匹配的小波变换图像水印方法。该方法利用Arnold变换对水印图像加密,采用相位相关法选取合适的水印嵌入区域,并根据图像纹理的差异在小波的高频和低频系数上分别嵌入水印信息。水印检测时,在嵌入水印的区域提取出多个水印信息,将多个水印信息的加权平均作为检测水印。实验结果表明,该方法嵌入水印的不可见性及抗噪声和压缩的性能较好。     

基于感兴趣区域的图像水印嵌入算法研究

鉴于现有绝大多数图像水印方案将载体图像看作整个场景,并未考虑载体图像自身的结构特征及人们感兴趣的视觉目标区域,本文提出了一种基于感兴趣区(ROI)的小波域图像水印嵌入算法.该算法首先结合人眼视觉感知特性,在小波变换域内利用k-均值聚类提取出感兴趣区域;然后对感兴趣区域进行小波变换,并结合图像局部相关性对小波系数进行自适应的量化调制,将水印信息嵌入到感兴趣区域的低频子带内.仿真实验表明,所提出的水印嵌入算法不仅具有较好的透明性,而且对JPEG压缩、叠加噪声、锐化等常规图像处理操作具有较好的鲁棒性.特别地,该算法能够有效抵御恶意剪切、目标移动、替换背景等攻击,而且可以实现盲检测.     

基于视觉显著性特征的遥感影像道路网提取方法

在遥感影像上,道路被认为是颜色、纹理、形状相似的狭长线状目标,基于此特征可知,整个道路网在影像上会呈现非常显著的特征,极易引起人眼的注意,我们称之为感兴趣区域。感兴趣区域是场景中最能引起用户兴趣、体现图像主要内容的区域,视觉认知理论的研究表明：通过视觉注意机制可以模拟人眼的观察过程,找出遥感影像上的显著区域。本文提出应用视觉注意机制辅助遥感影像道路网提取的思想,通过对影像的显著区域进行分析和处理,得到最终的道路网。对比实验表明该算法可以有效的提高道路网提取的准确率和完整性。     

基于视觉注意的遥感图像森林植被纹理分割

树冠作为遥感图像森林植被的典型纹理单元,具有突出的结构纹理特征,但现有分割方法较少利用此类结构纹理进行分割。为此,提出一种基于视觉注意机制的遥感图像森林植被纹理分割方法。将遥感图像中树冠的形状和结构作为视觉注意目标,通过纹理滤波增强树冠纹理,使用特定的多尺度树冠显著图圆盘(SID)模型标记树冠,并将各个多尺度树冠SID作为种子,设计改进的区域生长方法分割森林植被区域。实验结果表明,该方法能够准确标记多数典型树冠,有效提高森林植被区域的分割精度。     

基于视觉注意机制与区域结构相似度的图像融合质量评价

针对目前图像融合质量客观评价与主观评价结果一致性不高的问题,结合人类视觉注意机制和区域计算方法对EFQI指标进行改进,提出了一种基于视觉注意机制（VAM）与区域结构相似度的图像融合质量评价指标。该指标充分考虑了人类视觉感兴趣区域和人眼对区域信息敏感的特性,使用方差显著图与视觉显著图相结合的加权方法对图像中的显著区域赋予更大的权值,并采用更符合人类视觉特性的区域计算方法求取融合结果图像和源图像在各区域上的结构相似度以评价融合质量。用该指标评价10种不同融合算法的融合结果图像并与主观评价结果进行相关性分析,分析结果表明该方法相比传统的评价指标能更有效地反映融合图像质量,与主观评价结果一致性更高。