基于视觉注意机制的遥感图像显著性目标检测

显著性目标检测是遥感图像处理的重要研究领域,传统的方法通过逐个像素点的计算来实现目标检测,难以满足遥感图像大面积实时处理的要求。将视觉注意机制应用到遥感图像的显著性目标检测中,在训练阶段,将所有的目标融合成目标类,所有的背景融合成背景类,目标类的显著性均值与背景类的显著性均值的比值得到一个权重向量;在检测阶段,所有的特征图乘以权重向量得到自顶向下的显著性图;自顶向下和自底向上的显著性图融合生成全局显著性图。实验结果表明当目标和背景不是总成对出现时,该方法的检测结果优于Navalpakkam模型和Frintrop模型的检测结果。     

基于视觉选择性注意机制的目标检测的研究

视觉选择性注意模型的应用是当今认知信息处理领域的研究热点。根据人类视觉感知理论,在介绍具有代表性的视觉注意模型（Itti模型）的基础上,在特征提取的初级阶段引入新的低层视觉特征,形成一种新的引导注意的显著图,从而实现较为准确的目标检测。结果证明该方法在一定程度上避免了漏检测现象的发生,使得注意区域更能接近生物视觉系统的实际。     

基于视觉注意机制的异源图像融合

针对融合规则不能真实反映观察者视觉感知特点的问题,提出一种异源图像多尺度融合算法。应用视觉注意机制,计算异源图像间的视觉显著度匹配系数,并根据这一系数对小波变换近似系数进行自适应融合,在小波细节系数融合中使用带有方向连续性检查的选大值方法,采用视觉显著度差对融合算法的视觉保持一致性进行评价。测试结果表明,与传统算法相比,该算法在客观性能指标和主观视觉一致性方面都有所提高。     

基于视觉注意机制的棉花污染物机器视觉检测算法

针对棉花中污染物这类大背景中的目标检测,模仿人类视觉注意机制,提出了一种检测算法:在预注意阶段,主相机获取全局图像,利用离散余弦变换和支持向量机提取和识别特征,确定目标所在的感兴趣区域;在注意阶段,对应感兴趣区域的从相机工作,获取该区域的局部图像,利用均值和方差方法识别污染物。实验表明,该算法能去除冗余数据,提高检测精确度。     

基于视觉注意模型VAMAI的敏感图像检测方法

基于内容的敏感图像检测方法是过滤互联网上敏感信息的有效手段。然而,基于全局特征的检测方法误检率偏高,现有的基于BoW（bag-of-visual-words）的检测方法速度较慢。为了快速准确地检测敏感图像,本文提出基于视觉注意模型VAMAI（visual attention model for adult images）的敏感图像检测方法,包括构造面向敏感图像的视觉注意模型VAMAI、基于兴趣区域和SURF（speeded up robust features）的视觉词表算法、全局特征选择及其与BoW的融合三部分。首先,结合显著图模型、肤色分类模型和人脸检测模型,构造VAMAI,用于较准确地提取兴趣区域。然后,基于兴趣区域和SURF构建视觉词表,用于提高基于BoW的检测方法的检测速度与检测精度。最后,比较多种全局特征的性能,从中选择颜色矩,将它与BoW的支持向量机分类结果进行后融合。实验结果表明:VAMAI能够较准确地检测兴趣区域;从检测速度和检测精度两方面显著地提高了敏感图像的检测性能。     

应用视觉注意多分辨率分析的图像检索

基于人类视觉感知理论,提出一个改进的Itti视觉注意模型用于图像检索。该改进视觉注意模型是在充分考虑纹理特征与视觉感知关系的基础上,构造一个粗糙度图,用作视觉注意模型的一个初级视觉特征。首先通过该改进视觉注意模型得到50个视觉特征图;然后分别对每个视觉特征图采用局部二值模式傅里叶直方图（LBP-HF）方法抽取其分布信息,从而获得每幅图像的高维特征;最后利用局部保持投影(LPP)方法进行维数约简,以获取具有图像间局部几何和鉴别信息的低维特征用于图像检索。实验结果表明,该算法能获得较好的检索效果。     

基于视觉注意机制的交通路标检测方法

提出一种基于视觉注意机制的交通路标检测方法,该方法在图像灰度变换的基础上,引入自下而上的视觉注意模型,提取图像的初级特征,构造相应的显著图,根据总显著图,检测出图像中的显著区域,定位路标在图像中的位置。对多幅实时路况图像的实验结果表明,该方法能够适应户外自然环境检测,具有较高的准确性和实时性。     

利用无背景傅里叶变换红外光谱进行废气检测

提出了采用无背景傅时叶变换红外（ＦＴＩＲ）光谱对多组分气体体系进行定理分析的方法,并用于燃烧废气的检测。得到待测样品吸收光谱的通常方法是,将样品的透射光和不含样品的背景光谱进行差碱计算。而本文提出的方法在缺少背景光谱的民政部下,采用样条插值值法通过数据计算的方法从样品透射光谱中得到吸收光谱,并提取池光谱的一量特征,然后通过神经网络技术得到了谱峰强度和气体浓度之间的非线性映射关系。能够在光谱中含有各     

基于四元数傅里叶梅林变换的RST不变彩色图像水印算法

提出一种基于四元数傅里叶梅林变换(QFMT)的RST(旋转、缩放和平移)不变彩色图像水印算法,利用图像的不变质心生成具有平移稳定性的圆形特征区域,对这个圆形区域进行QFMT。利用QFMT幅度谱具有旋转和缩放不变性,在QFMT幅度谱中嵌入水印信息。该算法不仅可以抗RST攻击,大大提升水印的鲁棒性,而且可以把水印嵌入所带来的误差扩散到载体图像的各个颜色分量之中,扩大水印嵌入的容量。实验结果表明,该方法具有较好的抗压缩性,对RST等攻击有良好的鲁棒性。     

光学遥感图像舰船目标检测与识别综述

遥感图像舰船目标自动检测与识别是遥感图像处理与分析领域备受关注的课题, 其核心任务是判断遥感图像中是否存在舰船目标,并对其进行检测、分类与精确定位, 它在海面交通监控、船只搜救、渔业管理和海域态势感知等领域具有广阔的应用前景. 本文主要围绕光学卫星遥感图像中的舰船目标自动检测与识别, 分析舰船目标检测与识别面临的难点问题, 综述当前光学遥感图像舰船检测与识别的主要处理方法, 在此基础上指出研究中尚存在的问题并展望未来的发展趋势.     

SAR图像船只尾迹检测研究综述

利用星载合成孔径雷达(SAR)图像进行海面船只尾迹检测的研究在海洋领域具有重要意义。SAR海洋图像中尾迹线性特征的检测和精确定位是个难点,研究了SAR图像中船只尾迹的检测方法,根据近年来SAR图像海面船只尾迹检测的发展,总结了尾迹类型及其成像机理,分析了影响尾迹检测的因素和目前国内外的尾迹检测算法,通过对这些方法的对比分析得出它们的优缺点,并对今后的研究方向进行了展望。     

线性约束与局部对比相耦合的多光谱遥感图像中目标探测

目标探测是遥感影像信息提取中的重要内容,然而,随着目标像元数目增多和相似地物的干扰,目标探测的虚警率会明显上升。将线性约束最小方差方法(LCMV)与局部对比方法(LCM)相结合,构建了一种新的多光谱遥感图像中目标探测方法(LCLCM):首先利用样本相关矩阵对目标进行半解混,然后利用图像的空间性增强目标信息、抑制背景信息,最后进行图像归一化和图像分割。以Landsat 8多光谱图像中船只提取为例进行方法验证,LCLCM的虚警率为1.07%,优于LCMV和LCM的虚警率12.39%和11.26%,表明该方法能够进行有效稳健的目标探测。     

基于单景高分四号卫星多光谱影像的舰船运动特征检测

高分辨率地球同步轨道（GEO）遥感卫星技术能够在短时间内对大范围海域进行高频重复监测，有望近实时地获取海上舰船运动特征。以广东省珠江伶仃洋的南部海域为研究区，基于单景高分四号卫星多光谱影像，使用梯度阈值方法对海上运动舰船进行检测，结果表明：①利用单波段高分四号多光谱影像能够检测出船位与航向，船位平均误差为80.46 m（相当于1.61个图像分辨单元），航向检出率为74.36%，航向绝对误差为8.65°。②利用单景高分四号影像能够检测出航向与船速，航向精度为98.96%，平均绝对误差为8.78°，船速精度为83.0%，平均绝对误差为1.41 m/s。研究表明高分四号卫星能够用于海上舰船近实时遥感监测，在海上舰船运动特征检测方面具有独特优势和巨大的应用潜力。     

多光谱遥感影像建筑物提取

针对传统遥感影像目标提取对数据要求严格及应用受限的问题,提出一种基于非线性尺度空间滤波的建筑物提取算法.首先,构造多光谱影像各个波段的非线性尺度空间并进行迭代滤波;然后,搜索全局影像的标准差曲线的第一个谷点,停止迭代过程;最后,利用最大类间方差法分别对各个波段的滤波结果进行二值化.为了验证本文方法的有效性,选取福州市的一幅航空影像,并与同类方法进行对比.试验结果表明,本文算法能在平滑噪声的同时保留建筑物边缘信息,对于提取排列紧密的建筑物有更好的效果,在保证查准率的前提下,查全率有5%以上的提高.     

先验终端像元库支持下的GF-4多光谱影像自动云检测

高分四号卫星是我国第一颗地球同步轨道遥感卫星,以其高频、宽幅的特点,可为我国农业、林业、减灾、气象、环保和水利等应用提供快速、稳定的光学遥感影像,高效的影像自动云检测有助于进一步提高高分四号影像的利用效率。CDAG（Cloud Detection Algorithm-Generating）是一种基于像元组分光谱分析的自动云检测算法,能有效降低混合像元、复杂表面结构和大气等因素的影响。为了探索CDAG算法对于高分4号多光谱影像（GF4-PMS）的云检测应用能力,首先,从高光谱影像（AVIRIS）上选取不同的云类型和各种地表覆盖类型,建立云像元库和地物像元库;其次,基于高光谱像元库和GF4-PMS传感器光谱响应函数模拟出多光谱影像像元库;然后,根据碎云、薄云、厚云及非云像元的光谱差异性分析,将GF4-PMS影像的待检测像元与终端像元进行相似概率分析,实现基于最佳阈值自动迭代的GF4-PMS影像云检测;最后,从云像元正确率、晴空像元正确率、误判率、漏判率等多个指标进行云检测精度验证。结果表明：AVIRIS影像可以有效提取适用于GF4-PMS影像云检测的终端像元库,基于CDAG算法能较好地识别GF4-PMS影像上各种类型的云,对于不同时相、不同下垫面的碎云、薄云、厚云的检测精度可达90%以上。因此,基于先验终端像元库的云检测法对于提升GF4-PMS影像的利用效率具有较好的应用价值。     

基于视觉单词选择的高分辨率遥感图像飞机目标检测

高分辨率遥感图像中飞机目标的检测和识别具有重要的军事和民用价值,针对以往方法易受灰度分布和形态变化及伪装干扰等缺点,提出一种基于视觉词袋模型的高分辨率遥感图像飞机目标检测的新方法。为了精简飞机视觉码本得到最具鉴别力的视觉单词,结合相关性及冗余度分析去除视觉码本中不相关、弱相关以及冗余的视觉单词,选择对飞机目标检测最为重要的视觉单词,减少了计算复杂度,提高了算法的检测性能。     

Automatic Cloud Detection of GF4 Multispectral Imagery Supported by the Priori Terminal Pixel Library

The GaoFen4 (GF4) satellite is China’s first geo-synchronous orbit remote sensing satellite. With the advantages of high frequency and wide width, it can provide fast and stable optical remote sensing images for agricultural, forestry, disaster reduction, meteorology, environmental protection, water conservancy and other applications in China. Efficient image automatic cloud detection helps to further improve the utilization efficiency of GaoFen4 images. CDAG（Cloud Detection Algorihtm-Generating）Cloud detection is an automatic cloud detection algorithm based on spectral analysis of pixel components, which can effectively reduce the influence of mixed pixels, complex surface structure and atmosphere. This paper aims to explore the application of CDAG algorithm in cloud detection of GaoFen4 multispectral imagery (GF4-PMS). Firstly, different cloud types and surface cover types were selected from hyperspectral images (AVIRIS) to establish cloud pixel library and clear sky pixel library. Next, the pixel library of multispectral images was simulated based on Hyperspectral pixel library and spectral response function of GF4-PMS sensor. Then, according to the spectral difference analysis of broken cloud, thin cloud, thick cloud and non-cloud pixel, the similarity probability analysis was performed on the to-be-detected pixel of the GF4-PMS image and the terminal pixel, and the GF4-PMS image cloud detection based on the optimal threshold automatic iteration was realized. Finally, cloud detection accuracy verification was carried out from multiple indicators such as cloud pixel correct rate, clear sky pixel correct rate, false positive rate and missed rate. The results show that AVIRIS images can effectively extract terminal pixel libraries for GF4-PMS image cloud detection. Clouds of Various types on GF4-PMS images can be better identified based on the CDAG algorithm. The accuracy of detection results for broken clouds, thin clouds and thick clouds with different time phases and different underlying surfaces can reach more than 90%. Therefore, the cloud detection method based on the priori terminal pixel library has a good application value for improving the utilization efficiency of GF4-PMS images.     

Deep Captioning with Attention-Based Visual Concept Transfer Mechanism for Enriching Description

Neural Processing Letters - In this paper, we propose a novel deep captioning framework called Attention-based multimodal recurrent neural network with Visual Concept Transfer Mechanism (A-VCTM)....     

基于局域Radon变换的尾迹提取算法

提出一种基于局域Radon变化的SAR图像尾迹提取算法,该算法首先利用滑窗对图像进行标准差归一化处理,以突出图像中灰度与海面背景有明显差别的区域;选出突出的像素点,并根据策略将其灰度值用某些常数代替;接着在局域Radon变换中,积分值对应于这些区域线性特征的长度,通过设定阈值去除线性区域较短的非尾迹区域产生的虚警,用形态学的膨胀算法将结果中靠的很近的两条亮线合成一条,再用合理的腐蚀处理,剔除噪声信号。实测数据处理结果表明,该算法能准确提取舰船尾迹,降低虚警,能确定尾迹的起点和终点,准确计算出尾迹的边之间的夹角,而且运算简单,满足人们对系统实时性的要求。