基于视觉注意机制的复杂背景下红外小目标检测

针对视觉注意机制Itti模型对复杂背景下红外小目标检测易受到图像背景杂波影响,检测结果不理想的情况,对传统算法加以改进,在Itti模型中引入背景预测算子。对图像背景进行预测,与原图像进行差减,以达到突出目标区域的目的,消除背景区域对目标显著性的影响。再提取滤除背景后的图像视觉差异,找出图像的显著性区域,实现对红外小目标的检测。将改进后的模型应用于复杂背景下红外小目标检测中,实验结果表明,相对于传统的Itti模型的检测算法,新提出的算法具有更高的检测率。     

基于区域对比的图像显著目标检测

针对具有杂乱背景图像的显著目标检测问题,提出了一种无需任何先验知识,通过分析计算区域平均显著值的对比度来提取显著目标的方法.根据显著图,计算出显著目标的最小边界框与其周围区域的显著性差异,且通过折半查找的方法加快搜索的收敛速度.结果表明,该算法能迅速检测出与人类视觉感知结果一致性较高的显著目标区域.     

基于视觉注意机制的红外图像小目标检测方法

提出了适用于红外序列图像小目标检测的二步骤计算模型和算法.该算法处理的第一阶段通过对象的显著性计算,快速提取潜在目标的集合,在第二阶段对这个集合进行更为细致的识别,剔除伪目标,检测出真实目标.这种方法在没有牺牲其他性能指标的前提下,大幅度地改善了运算复杂度,为实现有限条件下系统的实时处理提供了基础.     

基于计算机视觉的行人检测方法研究进展

基于计算机视觉的行人检测方法可有效提高行人检测效率,已广泛应用于智慧城市、辅助驾驶等场景。文章对行人检测涉及的图像分割、特征提取、机器学习和分类与定位等方法进行了归纳,综述了各种方法的主要思想、适用性和局限性;同时介绍了行人检测算法的评价指标,对算法性能进行了分析;最后总结了行人检测方法的研究进展,并对未来的发展方向进行了展望。计算机视觉作为目标检测中的一项重要技术,在行人检测领域仍有待发展,算法结构改进、分类器优化、复杂场景下的行人检测等是未来的研究重点。     

基于自适应混合高斯模型全方位视觉目标检测

针对全方位视觉传感器视野范围大的特点,提出一种基于自适应混合高斯模型的全方位视觉目标检测系统.该系统通过Hough变换检测全方位图像的中心,基于图像中心对全方位图像进行展开.对展开后的图像利用混合高斯模型进行背景建模,并自适应地更新背景模型,通过前景分割可以有效地分割出运动目标.在图像展开及混合高斯建模时,通过调整系统的采样频率可以较好地改善目标检测的实时性.实验结果表明,该系统可以在复杂环境中有效地检测运动目标,具有较强的准确性和鲁棒性.     

基于时空特征融合的视觉注意模型

为了对人类视觉系统(HVS)中的注意机制进行建模,提出了一种基于时空特征融合的视觉注意模型。该模型以亮度对比度、纹理复杂度和前景物体的运动信息等三种初级视觉特征为基础,在自底向上的可计算架构上,采用空间域和时间域的特征融合方式,计算场景的视觉显著性图。试验结果表明,使用该模型可以对场景各个区域的显著性进行有效分析;与Walther和You视觉注意模型的对比结果也证明了该模型可以更准确地提取出场景的注意焦点(FOA)。     

图像智能化的目标检测技术(Ⅰ)--目标-背景视觉模型

主要从物理光学的反射特性、神经生理学的视知觉组织理论、视觉心理学的格式塔认知原理以及视-脑信息的同步化整合概念等方面进行了综合分析,阐明了一种视觉计算模型--目标-背景表征模型,为自适应图像目标检测技术提供一条新的探索途径.     

雷达与视觉信息融合的行人检测方法

首先建立两传感器间的坐标变换模型,将雷达扫描的深度信息映射到图像上。然后对雷达扫描的数据进行聚类分析,并结合行人物理属性,对聚类点簇进行筛选获得有效点簇信息;根据摄像机的成像规律,确定行人成像区域与其所处位置的关系,从而确定行人检测感兴趣区域。在此基础上,提取感兴趣区域的梯度方向直方图特征,运用支持向量机检测行人。实际交通场景测试结果表明本文方法能够对行人实时检测,且准确率可达93%以上。     

基于选择性视觉注意机制和曲线发现法的弱小目标检测

将选择性视觉注意机制和基于连接点问题模型的曲线发现法引入到深空背景弱小目标检测中。在注意机制中,充分利用目标灰度和运动连续显著性,得到注意焦点整合图;通过基于连接点问题模型的曲线发现法进行目标轨迹检测,最终完成目标检测。实验结果表明此方法有效地降低了信息处理量,具有较强的抗噪性,可用于低信噪比环境中的弱小目标检测。     

基于视觉显著性的红外图像弱小目标检测方法

针对复杂背号下红外图像弱小目标检测难题,提出了一种基于视觉显著性的目标检测方法。首先利用基于视觉注意机制的显著性模型计算图像的显著度图,然后根据图像的显著度图确定目标的区域,最后在原图像上确定目标的精确位置,仿真实验结果表明,本文方法能够很好地检测出红外图像中的弱小目标;与常用背景抑制法相比,该方法不仅较好地突显了目标,而且极大地消除了虚警干扰。     

可疑目标区域的机器视觉检测算法

可疑目标区域的确定是大背景中微小目标的机器视觉检测的一个关键问题.以棉花中污染物的检测为背景,根据人类的视觉注意机制,提出了一种可疑目标区域的机器视觉检测算法:首先采用主成分分析法(PCA)和离散余弦变换(DCT)算法对分块图像进行数据压缩,然后采用BP神经网络、支持向量积(SVM)模拟人脑对检测目标区域的识别.结果表明:分块图像大小、数据压缩算法和模式识别方法对识别能力有较大的影响;本文提出的检测算法可以确定可疑目标区域.在实验分析的基础上,提出了提高精度和速度需要进一步解决的几个问题.     

考虑用户视觉注意机制的人机交互界面设计

为了有效提高人机交互界面的设计质量和效率,将视觉注意的计算方法引入到人机交互界面设计过程中,提出了一种考虑用户视觉注意机制的人机交互界面设计方法.利用视觉注意计算模型分析了人机交互界面中各元件的视觉注意程度,构建了视觉注意焦点图;采用配对比较法确定各元件的重要度和使用频率,以灰度图的形式建立了人机交互界面重要性分布图.通过比对视觉注意焦点图和重要性分布图,以用户的视觉特性为评价指标对人机交互界面设计方案进行了评估.以智能手机的人机交互界面设计为例,对所提出方法进行验证.结果表明:该方法优化了用户的视觉特性,与传统方法相比,人机交互界面设计质量和效率得以提升;所设计的人机交互界面增强了用户的交互体验.     

一种基于视觉注意模型的图像检索方法

借鉴心理学中人眼视觉注意力模型,提出了一种新的基于显著区域的图像检索方法。利用局部结合整体的方式,既考虑图像显著区域中稳定所具有的稳定特征,同时充分利用区域间相互位置关系反映图像的整体构成,并结合二者进行检索,从而克服了传统检索中不能解决的图像旋转、平移、亮度变化等缺点。实验表明,利用显著区域进行检索有利于消除图像背景对检索结果的影响,与传统基于全局的检索方法相比,本文提出的方法具有更好的检索性能。     

遥感图像中基于视觉显著性的分层目标检测

针对遥感图像自动判读的应用场景,提出了一种基于视觉显著性的分层目标检测方法。该方法对于每一个特征定义一个偏好函数,并定义一个将各偏好函数计算的多个视觉显著性图像合成为一个视觉显著性图像的合成偏好函数。首先对低分辨率目标图像分别使用各偏好函数计算对应特征的视觉显著性图像;然后使用合成偏好函数计算合成的视觉显著性图像;最后定位出合成偏好函数取得最大值的区域,并将其作为最有可能包含目标的候选区域。这三个步骤在定位出的候选区域对应更高分辨率的图像上反复进行,直到待检测目标被发现或者被确定不存在为止。实验结果证明,该方法能够尽早地略过那些不包含目标的区域,与传统的目标检测方法相比,具有更好的检测效果和更少的计算量。     

基于贝叶斯框架的显著目标检测

图像和视频显著性检测在计算机视觉领域引起了极大的关注,广泛应用于物体分割、可疑物检测、图像检索等领域,在贝叶斯框架下,将人类视觉注意力理论中Bottom-Up模式被动感知与Top-Down模式主动检测按照时间先后顺序结合在一起,并结合像素的"Center-Surround"模型和核密度估计,提出一种能由粗到精逐步感知和获取视场中视觉显著性目标位置及尺度的实时显著目标检测算法,称其为基于贝叶斯框架的显著目标检测.通过在微软MSRA数据集上进行ROC和Precision-Recall测试,证明该算法取得比目前经典算法更好的效果.     

基于图论的视觉注意模型

为了模拟人眼的视觉搜索结果,提出了一种基于图论的自底向上的视觉注意计算模型.在计算显著图的过程中,构造了马尔可夫矩阵并计算图中每个顶点的度.由马尔可夫矩阵和度的计算提取出图像在颜色、亮度和方向3个特征方面显著的区域,最后生成显著图.实验仿真结果表明:与部分的视觉注意模型相比,本文模型具有目标检测能力强和计算量小的优点     

基于视觉注意的动态阈值分割算法

提出一种基于视觉注意机制的动态阈值选取方法.首先按人眼视觉注意特点计算各图块的显著性特征值,根据显著性特征值将图像块进行分类,然后利用最大类间方差法和多尺度的自适应阈值方法分别实现不同灰度特性区域的图像动态分割.实验结果表明:该方法能够实现图像多阈值的自动选取,不受照明条件的影响,能够获得满意的二值分割效果     

基于机器视觉的运动行人检测系统研究

现代城市交通道路环境中的交通事故给人类社会带来的危害是不言而喻的,因此,如何尽可能地减少交通事故、降低交通事故所带给人们的损失越来越受到关注。为了能够有效地警告驾驶员避免与车辆附近的运动行人发生碰撞或刮擦,从而保护交通环境中的运动行人安全,运动行人检测技术的研究开发将为我国车辆安全辅助驾驶技术的研究提供有力的理论和技术支持。     

图像中基于滑动窗口的行人检测框架

基于滑动窗口的二分检测是对图像中行人进行检测的一种被广泛使用的方法.它可以检测出单张图像中一个或多个处于站立状态的各种姿势的行人.分析和总结了国际上实现图像行人检测的主要方法,以及滑动窗口框架的实现方法,并对行人检测的进一步研究作了展望.     

基于视觉显著性检测的跨尺度插值模型

为了提升多媒体处理感知能力,提出了一种运动图像序列跨尺度插值模型. 首先从用户的角度出发,采用视觉显著性检测技术获取关注区域,进而确定运动图像的显著区域;而后在时间尺度改变的情况下,利用一致敏感哈希技术实现了高质量插值帧的生成;最后定义能量函数,使得在分辨率尺度变化时能提升关注区域的清晰度. 实验结果表明,运动图像序列跨尺度插值模型能够获得较好的插值质量.