基于视觉注意模型和进化规划的感兴趣区检测方法

根据生物注意机制,该文提出了一种基于视觉注意模型和进化规划的感兴趣区检测方法。采用进化规划方法分割图像候选区域;区域兴趣度由视觉注意模型产生的局部显著和进化规划计算的全局显著共同度量。在视觉注意模型中,图像经过小波多尺度变换和计算中央周边差得到局部显著度。注意焦点在显著度增强因子的作用下,选取候选区域得到感兴趣区。实验结果表明,所提方法检测的感兴趣区更接近人眼的视觉注意机制,并取得了较为满意的对象检测和兴趣度量结果。     

基于视觉注意模型的红外图像分级压缩方法

针对红外成像末制导武器人在回路模式中回传图像高压缩比与高保真度之间的矛盾,提出了一种基于视觉注意模型的红外图像分级压缩方法。在采用视觉注意模型提取得到红外图像显著区域的基础上,按照显著区域、背景区域、过渡区域对图像进行三级划分,然后根据不同区域图像中信息的重要程度采取不同的压缩方式,进而实现对整幅图像的压缩。实验结果表明:该方法在保留目标重要信息的同时,大大减少了图像传输的数据量,与传统的整图压缩方法相比,更适用于人在回路的应用场合。     

一种基于视觉显著图的舰船红外图像目标检测方法

提出了一种基于视觉显著图的红外舰船目标定位方法,即通过改进的Itti模型生成视觉显著图,并基于视觉显著图分割出目标区域,从而实现目标检测。先用小波变换替代Itti模型中的高斯滤波来生成图像多尺度金字塔,然后用center—surround算子提取出多尺度的视觉差异特征,并对生成的视觉特征图进行合成,生成显著图。最后,利用阈值分割方法分割出目标区域,并对原始图像进行标记,从而实现目标检测。实验结果表明,与传统的Otsu阈值分割方法相比,该方法能够准确检测出目标区域。     

浅析基于空间信息的视觉注意模型

近几年,基于频谱变化的视觉显著性检测模型逐渐成为研究热点,大多数频域视觉注意模型的主要思想通常是利用离散傅里叶变换或离散余弦变换等方法把图像从空间域变换到频谱域,然后通过对频域内的相位谱、幅度谱等信息进行分析和处理,提取显著信息,最后再通过逆变换到空间域并进行后续处理得到最终的显著图。     

一种基于ROI的红外舰船目标定位方法

提出了一种基于感兴趣区域ROI（Regions of Interest）的红外舰船目标定位方法,通过改进的Itti模型提取包含目标的感兴趣区域,实现目标定位。首先应用小波变换代替Itti模型的高斯滤波生成图像多尺度金字塔,并用center-surround算子提取多尺度的视觉差异,再将生成的视觉特征图进行归一化并线性组合,生成显著图,最后运用交替式有效子窗口搜索算法 A-ESS （Alternating Efficient Subwindow Search）定位目标区域。实验结果表明：该方法能准确定位出目标区域。     

基于视觉注意的遥感图像分析方法

该文根据人类视觉系统的生理结构与认知特点,提出了一个基于自底向上视觉注意的遥感图像分析模型,并在此基础上开发出了一种新的遥感图像分析方法。该方法在一定程度上具备了类似于人类视觉系统的选择性加工能力。将其应用于多种类型的真实遥感图像,获得了较为满意的实验结果。     

一种图像的感兴趣区域提取方法

感兴趣区域(Region of interests,ROI)是图像中可能引起人眼视觉关注的区域。根据视觉注意机制的经典模型Itti模型来提取图像的低层特征,利用局部迭代的特征合并策略并在此基础上综合自动阈值分割和种子点的区域生长方法得到感兴趣区域的提取方法。实验结果表明该方法符合生物的视觉注意机制,具有良好的鲁棒性。     

航天遥感图像感兴趣区域的自动提取方法

感兴趣区域提取是航天遥感图像分析的重要前提。随着图像空间分辨率的提高,场景内显著目标以及背景变得愈加复杂。利用传统的特征提取技术将会耗费大量计算空间和时间。提出了基于改进视觉注意方法的感兴趣区域自动提取,在HSV空间将目标与背景在颜色和亮度上的差异作为显著特征,利用高斯金字塔和中心-周边求差算子计算图像的显著特征图,并对特征图进行归一化和线性融合,设计注意焦点的转移步骤,完成感兴趣区域的自动提取。通过仿真和实验可以看出,本方法能有效地实现航天遥感图像感兴趣区域的自动提取。     

一种基于视觉注意机制的感知物体提取算法

针对图像中感知物体提取问题,借鉴认知学对视觉信息表达的研究成果,提出一种感知物体的数学定义,并由视觉注意计算模型得到的视觉注意显著图选择区域增长算法的种子区域。建立图像中感知物体的马尔可夫随机场模型,通过度量图像中感知物体的显著性、边缘和同质性分布情况,最小化能量函数提取出图像中的感知物体。对含有飞机的图像中感知物体的提取实验,验证了提出算法的有效性、以及在认知上的合理性。     

尺度与特征引导视觉选择性注意机制模型

针对在传统机器视觉研究中,尺度、显著性和物体识别多数被分开研究的现状,首先分析三者之间的内在联系和相互关系,得出应该在一个框架中来研究它们的结论;然后讨论视觉中的尺度空间表示方法、显著性度量方法.最后选取强度、颜色和方向三种特征以及尺度引导注意,建立一个自下而上的结合尺度与特征引导的计算模型,并给出仿真实验结果.     

基于IMAQ Vision的零件尺寸视觉测量系统

针对常规方法测量衔铁小轴零件尺寸效率低、精确差的不足,提出一种基于机器视觉的零件尺寸测量系统。以500万CCD相机、远心镜头、LED背光源进行系统搭建,基于LabVIEW开发平台,利用IMAQ Vision视觉工具包进行软件开发。在该系统中,依据小轴轮廓开发自动截取感兴趣区域(ROI)模块;利用IMAQ Vision视觉函数实现二值化、形态学去噪以及边缘轮廓提取,最终实现几何参数测量。通过稳定性和重复性测试,结果表明:基于IMAQ Vision的视觉测量系统测量精度可达0.005 mm,系统测量稳定、抗干扰能力强。     

基于视觉注意力模型的红外目标检测

根据视觉心理学的相关理论,提出一种基于灰度特征提取和视觉注意力模型的红外目标检测方法,并应用于复杂背景的红外目标检测.首先对输入图像进行采样,生成高斯金字塔,并用center-surround算子提取多尺度的视觉差异,通过对灰度特征图的归一化和线性融合获得综合的显著图,最后通过基于相似性和邻接性的阈值判断得到最终检测结果.该方法应用于多种地面目标的检测均取得较好效果,待检测的目标在显著图中得到明显的增强.试验结果进一步验证了算法具有很好的探测性能.     

基于视觉系统特征的分层数字水印技术

在分析人类视觉系统(HVS)特征的基础上,提出了一种新型的分层数字水印技术.利用HVS对不同区域、不同局部特征的噪声敏感性不同,设置相应的区域水印权重和局部水印权重,将水印按照设置的分层权重嵌入到静态小波变换(SWT)后的细节子带中.利用所提出的新型多分辨率检测器,通过与传统的水印方法比较表明,该方法具有较好透明性和盲检测性;对于常见的压缩、中值滤波等图像处理攻击,该方法表现了很好的稳健性.     

一种基于立体视觉显著性的多视点视频比特分配方法

针对多视点立体视频压缩编码,提出了一种基于立 体视觉显著性的比 特分配方法。研究综合利用多视点立体视频数据中场景的运动、深度以及深度边缘信息提取 人眼感兴趣区 域(ROI)的方法;然后根据ROI的划分结果优化区域比特分配。实验结果表 明,本文提出的算法能有效提 高ROI区域的编码性能,同时整体视频的率失真性能有一定程度的提高。     

基于人眼视觉特性的ROI渐进编码算法

一般基于感兴趣区域(ROI)的图像编码算法都没有充分考虑人眼视觉特性,在分析了JPEG2000中感兴趣区域编码的优缺点后,利用小波变换的特点并结合人眼视觉的掩蔽效应,提出了一种改进的ROI图像编码算法。首先将图像小波域中的所有低频系数进行移位处理,而对于小波域中的高频系数,仅对其属于ROI区域的系数进行移位处理,再利用等级树集合分割(SPIHT)算法进行编码传输。仿真实验证明了该算法比原有算法的图像主观质量更好。     

基于视觉注意机制的UWB SAR叶簇隐蔽目标变化检测

在超宽带合成孔径雷达叶簇隐蔽目标检测中,传统的UWB SAR图像变化检测方法易受图像灰度值起伏和成像条件变化的影响,致使现有的变化检测算法的性能下降.本文根据人类视觉系统的生理结构和认知特点,提出了一种基于视觉注意机制的叶簇隐蔽目标变化检测算法.该方法使用视觉注意模型,将图像的多尺度特征信息融合为单幅视觉显著图像,并利用图像局部邻域信息和目标的空间相关特性对视觉显著图中视觉注意焦点进行分层筛选和变化检测.实验结果表明:本文中基于视觉注意机制的变化检测方法可以有效检测多时相UWB SAR图像中的叶簇隐蔽目标,较之传统的基于统计原理的变化检测方法,其检测速度更快,且对场景复杂的UWB SAR图像亦具有鲁棒性.     

一种基于视觉注意模型的可移动目标检测方法

提出了一种基于视觉显著性的目标检测算法,用于对位于地面上的车辆、飞 机等地面可移动目标进行检测和定位。针对地面可移动目标在场景中较小的特点,设计了一种用于对 目标检测进行引导的基于视觉注意机制的目标显著模型。首先,提取图像目标的颜色特征、强 度特征和方向Gabor特征,并将其结合起来用于计算显著图。然后以超像素为单位对 显著值进行计算,并结合人眼视觉敏感度对不同距离的超像素之间的差异进行加权处理。实 验结果表明,本文算法可以有效地检测并定位出复杂背景中的地面可移动目标。     

基于视觉感知的图像检索的研究

基于内容图像检索的一个突出问题是图像低层特征与高层语义之间存在的巨大鸿沟.针对相关反馈和感兴趣区检测在弥补语义鸿沟时存在主观性强、耗时的缺点,提出了视觉信息是一种客观反映图像高层语义的新特征,基于视觉信息进行图像检索可以有效减小语义鸿沟;并在总结视觉感知的研究进展和实现方法的基础上,给出了基于视觉感知的图像检索在感兴趣区检测、图像分割、相关反馈和个性化检索四个方面的研究思路.