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。     

动态金字塔模型的红外图像SR重建

无人机在复杂飞行过程中,因大气气流及光学设备成像等影响造成采集到的红外图像分辨率过低;另外,因各帧图像分辨率不同,基于固定层数分解的金字塔模型在同一区域下的显著图提取结果存在差异,无法借助视觉技术实现无人机目标定位及自主导航。提出一种改进Itti模型下的红外图像感兴趣区域提取及SR重建算法。算法首先引入多特征对红外图像序列进行金字塔动态分层模型构建;然后,针对不同分辨率下的多帧红外图像进行感兴趣区域的动态提取来克服传统Itti算法的不足;最后,提出基于共轭梯度法的目标函数最小化红外图像超分辨率重建算法,对感兴趣区域进行空间SR重建,提高感兴趣区域目标的空间分辨率。实验验证了提出算法的有效性及准确性。     

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。     

一种改进的显著性区域提取模型

基于Itti模型,提出一种改进的模型来提取图像的显著区域,即分别提取原始图像的亮度、颜色、方向和形状4个低层特征,并且将这4个低层特征的多尺度显著图融合成一幅综合的显著图.在图像方向特征提取中采用倒数函数来代替Gabor特征函数,这样可完善方向特征图.该模型与经典的Itti模型相比较,提取出来的显著图更为明显,速度较快且易于实现.     

一种改进的显著区域提取模型

图像的显著区域代表的是图像的主要内容,提取显著区域在图像检索、压缩、识别等方面有重要的应用。基于Itti模型提出一种改进的模型来提取图像的显著区域,即分别提取原始图像的亮度、颜色、方向、形状四个特征,并将这四个特征的多尺度图像特征合并成一幅总的显著图;在图像方向特征提取中采用倒数函数来代替Gabor特征函数,使得方向特征图更加完善。该模型与经典的Itti模型相比较,提取出的显著图更为明显,速度较快且易于实现。     

基于视觉显著性的监控视频动态目标跟踪

视频动态目标检测与跟踪是智能化视频分析的基础,是实现智能监控的关键技术之一。基于人类视觉对运动的方向和速度非精确感知的特点,结合HR生物相关运动检测模型改进Itti Saliency算法,建立颜色、方向、亮度和运动四特征通道的特征图提取算法,对特征图进行跨尺度融合及归一化,从而提取视频图像中动态目标的视觉显著图。对视频序列图像的显著图逐一显示,便可实现对运动目标的跟踪。提出的运动感知模型,改善了对运动目标视觉显著性的检测效果,能够准确检测并跟踪监控视频中复杂背景、遮挡、多物体的动态目标。     

一种基于视觉显著性的SAR图像弱目标检测算法

针对传统的恒虚警率(CFAR)算法应用于SAR图像弱目标检测存在虚警率高的问题,提出一种基于改进型Itti视觉显著性模型的新算法。该算法首先获取SAR图像的局部方差特征图、亮度频率特征图和全局对比度特征图,然后将特征图经高斯模糊和归一化后,将其非线性融合生成原始SAR图像尺度的显著图,最后从显著图中提取视觉显著性区域作为最终的检测结果。仿真结果表明,通过和改进型CFAR、相干CFAR和二维Otsu检测三种算法的检测性能对比,该算法在检测准确率和时间复杂度上均具有良好的性能。     

基于视觉注意机制的遥感图像船只检测

针对视觉注意机制中Itti模型在显著性区域提取中提取颜色、方向和亮度3种特征,应用到遥感图像中容易造成错检的问题,在Itti模型基础上提出了改进的显著性模型,用纹理特征代替Itti模型中的颜色特征和亮度特征,同时考虑了图像在频域中的显著性。对改进后的算法进行仿真,仿真结果表明,改进算法检测精度高、实时性好,显著区域与目标基本一致,能够有效地检测遥感图像中船只目标。     

一种权值可发育的视觉选择性注意模型研究

针对Itti视觉选择性注意模型不具有子特征图显著图归一化过程中权值随任务改变而改变的问题,借鉴自主发育在视觉选择性注意学习的研究成果,提出一种权值可发育视觉选择性注意模型作为图像特征提取的学习机制。该算法采用三层自组织神经网络和Itti视觉选择性注意模型相结合的决策进行寻优,通过对模型的训练学习获取最优权值更新。这样既可以保证在初期特征提取内容的完整性,又降低了系统对不同任务条件的约束性,提高了模型特征提取能力。利用权值可发育视觉选择性注意模型对图像进行感兴趣区域特征提取实验,结果表明,该方法能够提高特征提取准确性、减少运算时间,获得了良好的动态性能。     

基于边缘检测的显著区域提取方法

多年以来,众多专家学者建立了诸多模型来模拟人的视觉选择性注意机制,其中最具影响力的当属Itti模型,但其存在着显著区域漏检测及显著区域范围是固定形状的问题。文章基于人眼对物体的轮廓形状信息的感知能力,提出了一种改进型的显著区域提取方法,在原Itti模型基础上加入轮廓特征。本方法与原Itti模型相比较,能够改善其显著性区域的提取效果并且能够较准确的实现显著区域的分割。