协同视觉显著性检测方法综述

协同视觉显著性检测是视觉注意力计算领域中一个快速发展的新兴分支,致力于检测多幅相关场景图像中的公共显著目标,在各种计算机视觉任务中有广泛应用.考虑到特征提取策略的设计是协同视觉显著性检测当前研究的重点,本文首先根据特征提取策略的不同对现有的协同视觉显著检测方法进行了分类介绍和定性分析.其次,通过在5个公开数据库上的主观和定量对比,对各流行算法的性能进行了评估,分析了特征提取策略对算法性能的影响以及各数据库的复杂度,并验证了协同视觉显著性检测和视觉显著性检测的区别.最后,对本文工作进行了总结,并对当前研究中存在的问题和未来的研究工作进行了讨论.     

基于渐进式学习与多尺度增强的客体视觉注意力估计方法

视觉注意力机制已引起学界和产业界的广泛关注,但既有工作主要从场景观察者的视角进行注意力检测。然而,现实中不断涌现的智能应用场景需要从客体视角进行视觉注意力检测。例如,检测监控目标的视觉注意力有助于预测其后续行为,智能机器人需要理解交互对象的意图才能有效互动。该文结合客体视觉注意力的认知机制,提出一种基于渐进式学习与多尺度增强的客体视觉注意力估计方法。该方法把客体视域视为几何结构和几何细节的组合,构建层次自注意力模块(HSAM)获取深层特征之间的长距离依赖关系,适应几何特征的多样性;并利用方向向量和视域生成器得到注视点的概率分布,构建特征融合模块将多分辨率特征进行结构共享、融合与增强,更好地获取空间上下文特征;最后构建综合损失函数来估计注视方向、视域和焦点预测的相关性。实验结果表明,该文所提方法在公开数据集和自建数据集上对客体视觉注意力估计的不同精度评价指标都优于目前的主流方法。     

基于视觉运动目标跟踪技术分析

计算机视觉研究的主要问题之一是运动物体的检测与跟踪,它将图像处理、模式识别、自动控制、人工智能和计算机等很多领域的先进技术结合在了一起,主要应用在军事视觉制导、视频监控、医疗诊断和智能交通等各个方面,因此该技术已经成为一个重要的研究方向。阐述了视觉跟踪算法的研究现状和视觉跟踪算法的种类,研究了基于区域的跟踪算法、基于模型的跟踪算法、基于特征的跟踪算法和基于主动轮廓的跟踪算法,探讨了视觉跟踪算法的未来研究方向。     

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.     

基于视觉感知的界面设计眼动实验研究

文章对视觉感知机制、界面设计研究现状以及视觉感知对界面设计的影响进行研究,选择点餐界面进行眼动实验设计,旨在探讨界面的设计如何影响用户注意力和视觉感知愉悦性。文章研究结果表明,界面中主要的视觉要素是图片要素和文字要素,对用户注意力的影响由大到小依次为较大的图片、顶部图片、图片周围的文字和对比强烈的文字。另外,界面配色的相关性会对用户的视觉感知愉悦性产生主要影响。     

论述计算机视觉在工业领域中的应用

随着信息化技术以及广电技术的发展,计算机视觉技术也得到了不断提高以及应用。文章主要研究了计算机视觉技术在工业领域的应用,首先对计算机视觉技术进行了简单的介绍,其次又分别探讨了计算机视觉技术在焊缝跟踪控制以及晶振帽缺陷检测技术中的应用,分析了其在工业生产以及零件检测中所起到的作用。     

基于计算机控制的机械设备视觉检测技术应用

作为一种新兴的检测技术,视觉检测技术是从计算机视觉研究发展起来的;以视觉传感器为基础的检测系统具有较强的抗干扰能力,检测效率较高,而且组成简单,能够很好的在生产现场进行在线、非接触检测与监控。本文对计算机视觉技术的工作原理、系统组成和在机械设备方面的运用进行研究。     

面向运动目标检测的粒子滤波视觉注意力模型

视觉注意力是机器视觉领域的研究热点,对目标检测、跟踪等技术发展具有积极意义,本文面向运动目标检测问题,构建了一种基于粒子滤波的视觉注意力模型.首先依据贝叶斯估计理论,推导了基于注意力的粒子权重计算方法;然后将运动注意力和目标颜色注意力分别作为自底向上（Bottom-Up）和自顶向下（Top-Down）注意力的输入,通过重要性采样、粒子权值计算、重采样等形成粒子注意力显著图,并确定目标位置;测试结果显示本文方法能够获取比其它方法更好的目标注意力显著图,并具有准确的目标检测效果.     

基于机器视觉的工件特征识别与分类方法研究

机器视觉是计算机科学与人工智能研究领域的一项重要内容,主要通过计算机应用技术来模拟人的视觉功能,对从图像中提取的信息进行分析和处理,以达到实际检测和控制的效果。本文主要对基于机器视觉的工件特征识别与分类方法进行了分析和研究,以期帮助人们更好地了解机器视觉分类识别技术。     

计算机视觉在作物病害诊断中的研究进展

据统计,因病害引起的作物产量损失平均在12%以上,病害发生不仅影响产量,还使产品质量下降。利用计算机视觉技术对作物病害快捷检测、准确诊断,为病害防治提供科学依据是实现农业信息化发展的迫切需求。文章对计算机视觉技术用于作物病害诊断进行了详细分析和研究,以求获得这些新技术在作物病害诊断各环节的现状,指出了计算机视觉技术诊断作物病害存在的不足和研究方向。该研究对农作物病害智能检测技术的发展将起到重要的推动作用。     

基于计算机视觉的印刷包装品缺陷检测系统研究

为了提高印刷包装品的生成效率和质量,基于计算机视觉的印刷包装品缺陷检测系统在包装印刷领域得到了应用。因此,本文在分析计算机视觉检测技术的基础上,从系统结构、系统检测原理和系统检测流程几方面对基于计算机视觉的印刷包装品缺陷检测系统展开了研究,从而为关注这一话题的人们提供参考。     

基于计算机控制的自动化视觉检测技术的应用

作为一种新兴的检测技术，视觉检测技术是从自动化视觉研究发展起来的；以视觉传感器为基础的检测系统具有较强的抗干扰能力，检测效率较高，而且组成简单，能够很好的在生产现场进行在线、非接触检测与监控。本文对自动化视觉技术的工作原理、系统组成和在制造业方面的运用进行研究。     

视觉注意力机制在货运列车车号定位中的应用

为了定位货运列车车厢上的车号信息,提出并实现一种基于视觉注意力机制的定位新方法.该方法利用眼动跟踪技术获取真实眼动数据,结合提炼的车厢图像显著特征,建立车号注意力机制模型,并利用该模型预测车号显著区域,最后采用图像处理技术完成车号区域的分析定位.实验表明,相比传统基于灰度的处理方法,该算法更能适应不同光照条件下各类车厢的车号定位,具有更好的鲁棒性和普适性.     

基于虚拟多传感器信息融合的计算机视觉检测方法

在线计算机视觉检测系统的研究就是根据计算机视觉原理、综合利用与计算机视觉相近或相关学科的技术、研究出可以对工业过程生产线上刚性成品及其中间产品实现在线实时检测的系统。本文主要研究了基于虚拟多传感器信息融合的计算机视觉检测方法。     

浅析计算机视觉技术在农产品检测及分级中的应用

随着农产品进出口贸易以及国家对农产品质量的高度重视的背景下,农产的检测及分级也成为了目前加快农产品整体水平的二代解决的问题,然而,随着计算机软硬件级设备的不断发展,研究奖计算机的人工网络专家系统与农产品的检测及分级紧密的结合在一起,势在必行。因此本文就不前在农产品检测和分级中应用比较广泛的计算机视觉技术做以介绍,其中本文首先对计算机视觉技术进行概述,其次介绍计算机视觉技术发展历史及现状,再次正对计算机视觉技术在农产品检测及分级中所取得的成果进一步详细叙述,最后提出计算机视觉技术在存在农产品检测及分级的问题及发展的趋势。     

多目视觉检测技术中的照明系统设计

多目视觉检测技术足通过多个CCD传感器,从不同角度获取同一目标的不同角度的图像,并对多幅图像进行匹配、分割、相减等处理技术获取目标信息的一种图像处理技术.多日视觉检测技术能够比单目视觉检测技术获得更多的图像信息,这就降低了后继处理的复杂程度,提高检测系统的测量精度、抗干扰能力以及测量效率.然而,由于需要获得不同的图像信息,这就使得它对图像的质量,照明系统和照明方式的要求比单目视觉系统的要求更高.根据实验要求,主要设计了多目视觉检测技术中的照明系统,实现了平行光照明技术在多目视觉检测中的应用,并搭建实验平台完成实验.验证了光源的种类、光源的照明结构、照明方式以及被测物体的光学特性、背景特性等是影响多目视觉检测的重要因素,为该技术的应用、推广提供了实验依据.     

图像与问题双引导注意力机制视觉问答算法

针对视觉问答任务中问题特征与图像特征缺乏交互推理关系的问题,提出了图像与问题双引导注意力机制视觉问答算法.模型结构主要由问题特征注意力模块、图像特征注意力模块、问题与图像双引导注意力模块、特征融合模块4部分构成.该算法先针对问题特征和图像特征分别使用自我注意力机制实现特征的自我加强,然后引入图像与问题双引导注意力机制,...     

LED光源视觉舒适度研究现状与趋势

针对LED光源技术的特点,提出了使用视觉舒适度综合指标对光源的环境友好特性进行描述.从室内光污染、光源对视觉舒适度的生理影响,以及LED光源中存在的危害,综述了该领域当前的研究进展,分析了今后的研究趋势.     

基于机器视觉技术啤酒空瓶检测系统设计

本论文是基于啤酒空瓶检测进行研究,采用的是机器视觉技术。介绍了机器视觉技术的基本结构、啤酒瓶检测流程、软件实现方法及检测系统的结构。     

基于YOLO的移动应用自动测试

现有的GUI自动测试技术通常需要借助被测设备的底层界面框架来获取信息,难以实现跨平台。针对这种现象,文章提出了基于视觉的移动应用自动测试技术,使用YOLOv5模型检测界面中可执行控件,对不同测试输入下的状态合并方法进行研究,采用交并比与平均表面距离相结合的方式识别界面中相似状态。经过实验证明,该方法状态识别效果良好,为基于视觉特征的GUI自动化测试提供一定的参考。