基于多模型融合的SAR图像目标轮廓提取方法

提出一种基于参数活动轮廓模型的多模型融合的合成孔径雷达SAR(Synthetic Aperture Radar)图像目标轮廓提取方法,即在活动轮廓模型Balloon中引入新兴统计分布模型G0分布、基于区域的统计活动轮廓模型和多边缘检测算子模型,获得了一种新的目标轮廓提取方法。基于MSTAR项目的真实SAR图像的实验结果表明,本文所提出的方法能准确地获得SAR图像目标轮廓,可用于执行实际的SAR图像轮廓提取任务,为后续的SAR图像自动识别和特征级图像融合等任务提供了较为优良的输入信息。     

基于彩色形态筛的建筑物主体轮廓提取算法

针对常见的城市建筑物图像,提出了一种由单幅图像自动完成建筑物主体轮廓提取的算法。算法利用基于凸包彩色形态筛的多尺度性,设计了城市建筑物场景贝叶斯概率统计模型,由最大化后验概率(Maximum a pos-terior,MAP)估计消隐点在图像中的投影,利用边缘像素分类的结果获得建筑物的主体轮廓。该算法可用于单幅图像,不需要边缘检测和Hough变换等处理。实验结果证明,通过估计该场景结构可以自动获得消隐点在图像中的投影,进而提取建筑物的平行六面体主体轮廓。     

机械设计图像主轮廓提取算法研究

针对传统的轮廓提取方法在机械设计图像上无法获取令人满意结果的问题,提出基于区域填充和标引消除的主轮廓提取方法.根据机械图孔洞分布的特点,提出一种能自动选择种子点的种子填充算法实现图像内部孔洞填充,并结合图像形态学和轮廓跟踪算法实现图像中标引的消除,从而得到图像主轮廓.实验结果表明,该方法能够对机械设计图准确而高效地进行填充,且能够准确提取出机械设计图像的主轮廓.     

利用基于颜色的自适应形状模型实现手势跟踪*

提出了一种基于颜色的自适应形状模型,并利用该模型实现了图像序列中的实时手势跟踪.跟踪算法基于自适应的颜色模型实现准确的手部轮廓提取,并利用基于二维颜色模型的粒子滤波器实现序列图像中跟踪目标的运动估计.实验结果表明了基于颜色的自适应形状模型对凸形与凹形手部轮廓均能达到准确的手部轮廓提取,并能满足图像序列手势跟踪的实行性要求.     

基于轮廓的刚体变换模型下多源图像配准算法

提出了一种刚体变换下基于轮廓的多源图像配准算法.首先提取待配准图像中的明显轮廓,然后对提取后的轮廓进行轮廓匹配.对于匹配后的开轮廓对,通过把开轮廓的两个端点用直线段连接的方法将开轮廓对转化为闭合轮廓对.最后求取闭合轮廓对中闭合轮廓的质心并作为控制点,根据控制点计算配准参数.     

多视点图像的前景对象自动分割方法

为了将前景对象从多视点图像中自动地分割出来,提出一种基于多视点图像特征分析的对象提取方法.首先采用改进的随机Hough变换提取极线平面图中的直线,并对已检测直线的斜率进行统计分析;然后根据对象在场景中所处的深度,将对应斜率的直线转换到原始图像空间中得到初始轮廓;并利用边缘生长方法缩短断开边缘的间距;最后采用边缘连接方法获得闭合的轮廓曲线.实验结果表明,与基于水平集的主动轮廓模型分割方法相比,文中方法能更加快速、精确地将对象从复杂场景中分割出来.     

基于长线列探测器的图像非均匀性研究与校正

基于长线列图像探测器的成像系统,其图像的非均匀性往往制约着系统成像的质量.结合线列图像探测器的结构特点,分析了线列图像的非均匀性产生原因,并在此基础上分析了多点校正算法,并提出一种基于图像轮廓提取的图像平滑算法.通过对比处理前后的结果,采用图像轮廓提取的图像平滑算法,在保证图像细节的基础上,能够提高图像的均匀性.     

单幅人体切片图像的多轮廓二维重构算法研究与实现

基于切片图像数据的轮廓曲线二维重构是轮廓表面三维重构的基础。单幅切片图像可能存在有单轮廓或多轮廓。本文对中国虚拟人切片图像进行分析,针对单幅切片图像里的多轮廓线情况,研究提出了多轮廓提取算法和拟合曲线建模算法。经编程实验,成功实现了单幅图像里的多轮廓二维重构。     

基于区块链技术的三维表面轮廓图像动态提取系统设计

目前设计的三维表面轮廓图像动态提取系统提取准确度较低，导致提取结果完整度较差。为此，基于区块链技术设计一种新的三维表面轮廓图像动态提取系统。驱动器采用标配的45通信规则，设置多个引脚，实现通信；电源模块设计6个外接端口，滤波器与相连设备通过绝缘螺钉连接。GUS处理器采用英特尔酷睿i7兼容300主板。通过三维动态表面轮廓图像进行预处理操作、计算轮廓、快速提取轮廓图像完成软件流程。实验结果表明，基于区块链技术的三维表面轮廓图像动态提取系统能够有效提高提取准确度，增强提取结果完整度。     

基于轮廓的图像检索

提出了一种针对多纹理图像的基于轮廓和纹理分割的检索策略.首先提取一幅图像中各个纹理基元的轮廓,计算轮廓的Fourier形状描绘子,根据形状描绘子对轮廓聚类分组.此时,原图像被分割成几组不同形状的纹理基元轮廓,采用Gabor小波变换分别提取各组纹理基元轮廓的特征,从而将原图像表示为Gabor小波特征空间中的特征点集.最后,采用对噪音不敏感的改进Hausdorff距离计算各特征点集之间的距离,便可实现多纹理图像的检索.与已有方法相比,实验结果表明,该方法具有更好的检索精度.     

基于初级视通路视觉感知机制的轮廓检测方法

考虑到初级视通路中视觉信息传递和处理过程中的特点,本文提出了一种基于视觉感知机制的轮廓检测新方法.构建视觉信息局部细节检测与整体轮廓感知的不同路径.利用高斯导函数提取初级轮廓响应;构建神经网络,利用时空编码提高主体轮廓对比度;然后,利用非经典感受野的侧抑制作用抑制纹理背景;另外,针对轮廓信息强化以及检测鲁棒性的要求,在视辐射区提出了一种信息冗余度增强编码机制;最后,将初级轮廓直接前馈至初级视皮层,以达到轮廓响应的快速调节和完整性融合.以RuG40图库为实验对象,经过非极大值抑制和阈值处理,得到的轮廓二值图与基准轮廓图比较,在整个数据集中的最优平均P指标和每张图的最优平均P指标分别为0.48和0.55,并且FPS达到了1/2.结果表明本文方法能有效突出主体轮廓并抑制纹理背景,为后续图像理解和分析提供了一种新的思路.     

引入视通路视觉响应与融合模型的轮廓检测

目的 为了提高轮廓检测的综合性能,特别是增强弱轮廓边缘的提取能力,在结合视觉机制的基础上提出了本文方法。方法 模拟视觉信息在视通路中的传递和处理过程,首先根据神经节细胞的中心周边拮抗机制,实现初级轮廓信息的快速提取;接着利用高斯函数与高斯差函数之间的差异性来模拟外膝体非经典感受野的调制作用,实现纹理背景的抑制;然后构建了一种V1区多朝向简单细胞感受野模型,提出了一种基于负值效应的DOG（difference of Gaussians）响应改进评价模式;最后考虑V1区复杂细胞在表征视觉高级特征的能力,给出了一种基于并行处理的视通路视觉响应融合模型,实现目标轮廓的检测与增强。结果 为了验证本文方法对自然场景图像的轮廓检测具备有效性,本文选取RuG轮廓检测数据库中的40幅自然场景图进行轮廓检测实验,并与二维高斯导函数模型（DG）、组合感受野模型（CORF）和空间稀疏约束纹理抑制模型（SSC）等3种典型的自然图像轮廓检测方法进行了分析比较。结果表明,本文方法检测提取到的主体轮廓更加完整,具有较高的图像纯净度,整体上反映了本文所提轮廓检测方法所具备的生物智能性。本文方法的平均P指标为0.45,相较于对比方法具有更好的轮廓检测性能。结论 本文方法具有较好的自然轮廓检测提取能力,尤其对于图像包含部分弱轮廓边缘的检测。本文构建的新模型将有助于对视通路中各层级功能和内在机制的理解,也将为基于视觉机制的图像分析和理解提供一种新的思路。     

多路径卷积神经网络的轮廓感知

目的 引入视觉信息流的整体和局部处理机制,提出了一种多路径卷积神经网络的轮廓感知新方法。方法 利用高斯金字塔尺度分解获得低分辨率子图,用来表征视觉信息中的整体轮廓;通过2维高斯导函数模拟经典感受野的方向选择性,获得描述细节特征的边界响应子图;构建多路径卷积神经网络,利用具有稀疏编码特性的子网络（Sparse-Net）实现对整体轮廓的快速检测;利用具有冗余度增强编码特性的子网络（Redundancy-Net）实现对局部细节特征提取;对上述多路径卷积神经网络响应进行融合编码,以实现轮廓响应的整体感知和局部检测融合,获取轮廓的精细化感知结果。结果 以美国伯克利大学计算机视觉组提供的数据集BSDS500图库为实验对象,在GTX1080Ti环境下本文Sparse-Net对整体轮廓的检测速度达到42幅/s,为HFL方法1.2幅/s的35倍;而Sparse-Net和Redundancy-Net融合后的检测指标数据集尺度上最优（ODS）、图片尺度上最优（OIS）、平均精度（AP）分别为0.806、0.824、0.846,优于HED （holistically-nested edge detection）方法和RCF （richer convolution features for edge detection）方法,结果表明本文方法能有效突出主体轮廓并抑制纹理背景。结论 多路径卷积神经网络的轮廓感知应用,将有助于进一步理解视觉感知机制,并对减弱卷积神经网络的黑盒特性有着重要的意义。     

引入初级视通路计算模型的轮廓检测

目的 轮廓是对图像目标的一种稀疏表达方式，从图像中提取出有效物体轮廓可以更好地完成后续的视觉认知任务，所以轮廓检测在计算机视觉领域具有较好的应用。本文考虑到初级视通路中视觉信息传递和处理流程中的特点，提出了一种基于初级视通路计算模型的轮廓检测方法。方法 在视网膜神经节环节，提出一种体现方向选择特性的经典感受野（CRF）改进模型，利用多尺度特征融合策略来模拟视网膜神经节细胞对图像目标的初级轮廓响应；在视网膜神经节到神经节-外膝体（LGN）的视通路中，提出一种反映视觉信息时空尺度特征的时空编码机制，模拟神经节-外膝体通路对初级轮廓响应的去冗余处理；利用非下采样轮廓波变换和Gabor变换协同作用，模拟非经典感受野（NCRF）的侧向抑制特性。最后利用初级视皮层对整体轮廓的前馈机制，实现对轮廓局部细节信息的完整性融合。结果 选择将RuG40图库的所有图像作为测试集合进行模型性能测试，对检测结果进行非极大值抑制和阈值处理，最终将得到的二值轮廓图与基准图比较，整个数据集和单张图的最优平均P指标分别为0.49和0.56。对于单个图像最优参数条件下的检测结果均值，将本文方法与非经典感受野抑制模型（ISO）和多特征外周抑制模型（MCI）比较，较两者分别提高了19.1%和7.7%。结果表明本文方法能有效突出主体轮廓并抑制纹理背景。结论 面向图像处理应用的初级视通路计算模型，将为后续图像理解和分析提供一种新的思路。     

Extraction of salient contours from cluttered scenes

The responses of neurons in the primary visual cortex (V1) to stimulus inside the receptive field (RF) can be markedly modulated by stimuli outside the classical receptive field. The modulation, relying on contextual configurations, yields excitatory and inhibitory activities. The V1 neurons compose a functional network by lateral interactions and accomplish specific visual tasks in a dynamic and flexible fashion. Well-organized structures and conspicuous image locations are more salient and thus can pop out perceptually from the background. The excitatory and inhibitory activities give different visual physiological interpretations to the two kinds of saliencies.A model of contour extraction, inspired by visual cortical mechanisms of perceptual grouping, is presented. We unify the dual processes of spatial facilitation and surround inhibition to extract salient contours from complex scenes, and in this way coherent spatial configurations and region boundaries could stand out from their surround. The proposed method can selectively retain object contours, and meanwhile can dramatically reduce non-meaningful elements resulting from a texture background. This work gives a clear understanding for the roles of the inhibition and facilitation in grouping, and provides a biologically motivated computational strategy for contour extraction in computer vision.     

基于主视通路结构分级响应模型的轮廓检测方法EI北大核心CSCD

基于视通路结构分级响应与动态传递的方式,本文提出了一种图像轮廓检测的新方法.针对视网膜感光细胞的暗视觉特性,建立亮度自适应的暗视野调节模型,利用多尺度经典感受野的方位选择性,构建高级轮廓与全局轮廓的检测路径;模拟外侧膝状体(Lateral geniculate nucleus,LGN)细胞特性对信息进行纹理稀疏编码,并结合非经典感受野的侧抑制作用抑制背景强纹理;另外在LGN区提出微动整合机制,减少纹理冗余信息,再经适应性突触实现信息关联传递;最后将初级轮廓响应跨视区前馈至V1区并经全局轮廓修正后,与高级轮廓响应实现快速融合.分别以RuG40、BSDS500图像库中的自然图像作为实验数据,检测结果与基准轮廓图的平均最优P指标分别为0.50、0.32,结果表明本方法能更有效地区分轮廓与纹理边缘,凸显主体轮廓.本文利用视神经细胞的内在机制以及神经信息的动态传递过程实现图像轮廓信息的编码与检测,也为研究后续高级视皮层的视觉感知提供了新思路.     

一种基于颜色拮抗感受野的轮廓检测模型

轮廓检测在目标识别、图像分割和模式识别等图像分析领域有着非常重要的意义。根据视觉的生物学原理,研究人员已提出了针对灰度图像的轮廓检测方法,并取得了较好的检测结果。但是,颜色信息可以表示出图像的大部分信息,在轮廓检测中发挥的作用不可忽视。杨开富等人提出的CO模型可以较好地提取图像中的目标轮廓,但该模型的计算效率还有待提高。文中提出一种轮廓检测模型CRFM(Color-opponent Receptive Field Model),该模型依据视觉信息处理机制,分别模拟视网膜神经节细胞和外侧膝状体细胞感受野的响应。此外,CRFM采用两个不同尺度的高斯偏导函数之差来模拟初级视皮层细胞的颜色双拮抗感受野响应,拟合视觉特征,且由于模拟双拮抗感受野的滤波器通常产生较小的数值,因此加快了其与图像信息卷积的计算速度,降低了运行开销。利用BSDS300数据库的图像进行实验,结果表明,CRFM模型能够获得较好的轮廓检测效果,且具有较CO模型更高的执行效率,具有较好的实用性。     

基于周边抑制机理的遥感图像背景纹理抑制方法

针对遥感图像中主要目标周围的纹理信息对目标识别造成的干扰,提出了基于周边抑制机理的背景纹理抑制方法。通过在边缘提取的基础上增加周边抑制模块,实现了对纹理边缘和轮廓边缘的分别处理,有效地抑制了纹理、保留了轮廓。以周边抑制机理为基础,结合多尺度处理技术,进一步提高了背景纹理抑制的效果。实验结果表明,本方法可以有效抑制背景纹理,为识别有较多背景纹理的遥感图像地物目标创造良好条件。     

用于形状特征提取的spike函数

形状特征是图像的一种重要视觉特征，其提取方法是形状识别、图像检索以及图像匹配等领域的研究热点。Spike参数用来反映磨粒轮廓角度的变化，spike参数越大，磨粒越尖锐，磨粒的磨损作用越大。在spike参数的基础上，提出了4种用于形状特征提取的spike函数，分别为用于表征形状轮廓细节特征的spike-angle函数和spike-height函数，以及用于表征形状轮廓整体特征的spike-area函数和spike-distance函数。根据spike函数提取形状特征时，采用多个步长的spike-angle函数和spike-height函数，同时采用单个步长的spike-area函数和spike-distance函数。为了消除起始点对spike函数计算的影响，以多尺度spike函数的归一化傅里叶变换系数的幅值作为形状特征。分别在MPEG-7和Swedish leaf数据集进行实验验证，与其他方法的对比结果表明采用spike函数提取形状特征，用于形状识别时，识别准确率高，抗噪声能力强。     

基于生物视觉机理的数字文献图像去噪

针对数字文献图像去噪问题,提出一种基于生物视觉机理的图像去噪算法。模拟初级视皮层简单细胞感受野的响应特性,通过提取数字文献图像的特征,获得数字文献图像的基函数。由动物视觉感知系统的稀疏性,计算神经元对含噪声图像的响应,结合稀疏编码收缩法对响应系数进行收缩,通过响应强烈的神经元重构图像。实验结果表明,与传统的去噪方法相比,该算法能更好地去除数字图像中的高斯噪声,并保留图像细节信息。