图像感兴趣区域检测技术

感兴趣区域（ROI）检测技术,是将图像中最能表现图像内容的关键区域提取出来的技术。对现有的静态图像ROI检测技术进行讨论。分析ROI检测技术的产生背景,评述几种当前较具代表性的ROI检测算法。详细讨论基于视觉特征的ROI检测算法,最后列举一些主要的ROI应用方向,并对ROI检测技术的发展前景进行展望。     

基于视觉注意的医学图像感兴趣区域提取*

提出一种基于视觉注意机制的医学图像感兴趣区域提取方法。受生物学启发,该方法模仿人类自下而上的视觉选择性注意过程,通过计算图像中每个像素的全局对比度,构造相应的显著图,并根据显著图,检测出图像中的显著区域。利用多幅医学图像对本方法进行评估,结果表明,该方法能够快速、精确地提取图像中的感兴趣区域,在提取结果和运算速度上均取得了令人满意的效果。     

基于生物视觉机制的图像感兴趣区域快速获取方法研究

为快速准确地获取图像感兴趣区域,有必要从宏观视觉通道到微观视觉神经细胞全程模拟生物视觉机制。首先,在模拟宏观视觉where通道的超复数傅里叶变换HFT(Hypercomplex Fourier Transform)模型中,为突显图像中的显著目标,增加背景通道,抑制背景信息;其次,用模拟生物视觉神经元的脉冲耦合神经网络PCNN(Pulse Coupled Neural Network)来扩展HFT模型:将改进HFT模型的显著图作为简化PCNN的输入图像,并利用最小交叉熵分割出感兴趣区域。实验结果表明,该感兴趣区域提取算法的准确性达到98.1%,提取时间为5.732 s,能够快速准确地检测出图像的感兴趣区域。     

基于高级视觉特性的感兴趣区域判定算法

提出了一种快速确定视频场景中感兴趣区域的算法,其基本思想是通过对人类视觉系统HVS的某些高级视觉特性进行分析,对图像分段后获得的区域做出相应的视觉重要性估计,从而确定每个区域在主观意义上的视觉感兴趣值,该值的大小反映了其重要性程度。实验结果表明,利用该算法所获得的感兴趣区域基本符合人眼的主观判断,而且算法的复杂度较低,具有较高的实用价值。     

基于Adaboost的人脸感兴趣区域编码

在分析JPEG2000标准感兴趣区域（Region of Interest-ROI）编码的基础上,提出一种结合AdaBoost算法的自动人脸感兴趣区域编码方法。该方法通过AdaBoost算法检测定位图像中的人脸区域,动态生成感兴趣区域掩膜,然后采用JPEG2000中最大位移法（MaxshiR）进行感兴趣区域编码。实验仿真结果验证了该方法的有效性和可行性。     

基于边缘与深度特征的感兴趣区域检测技术

针对基于显著图模型的感兴趣区域(ROI)检测方法中,存在的检测结果与视觉感知有差异、转移过程中同一目标内出现多个感兴趣区域检测结果等问题,将边缘与深度两种视觉特征引入检测过程中,以使感兴趣区域检测结果更符合人的视觉感知,同时,对二值显著图引入膨胀运算,以将同一目标上的不同块连接起来,解决转移过程中同一目标内出现多个感兴趣区域的问题.实验结果表明,新算法检测到的感兴趣区域与人的视觉感知结果吻合率为82.5%,高于Itti方法的67.5%.     

一种利用视觉掩蔽效应的感兴趣区域视频编码方法

传统感兴趣区域视频编码方法通过整体降低ROI区域的量化参数来实现ROI质量优化,会造成整体率失真性能的下降,尤其在低码率时下降更加严重。针对这一问题,结合人眼掩蔽特性的精细Grid量化方法在文中提出,可有效提高ROI质量并降低整体质量的损失。而且该量化方法能够根据ROI尺寸大小对初始感知权重进行自适应调节,适用于ROI特征不同的视频序列。实验结果表明,对于不同特征的标准测试序列,在中低码率条件下和H.264相比,本文算法能平均提高ROI的PSNR值1.905dB,主观感受有明显提升。和同类ROI算法相比,ROI质量平均提升0.47dB,整体质量提高0.625dB。     

基于感兴趣区域的医学图像近无损压缩

在应用整数小波变换和基于分层树集合分割排序算法的基础上,提出了一种新的基于感兴趣区域的编码方法。本文还提出了一种感兴趣区优先编码策略,可以保证在极低的码率下感兴趣区的重建质量远远好于非感兴趣区的重建质量。这些方法得到的压缩码流都具有嵌入的特点,支持渐进传输。     

基于图像特征量化的感兴趣区域编码

本文利用小波变换中多分辨率分析与人眼视觉匹配的特性,针对图像在小波域不同子带中的特点及重要性,提出了一种基于子带特征,结合带间与带内相关性进行混合量化编码的方法,支持渐进式传输,并在高压缩比下获得了视觉上较满意的高质量恢复图像。     

基于用户定义感兴趣区域的图像检索算法

提出一种利用用户定义感兴趣区域（ROI）的图像检索方法，可以对多个感兴趣区域的相对位置加以约束以获得更高的查准率，相关反馈算法被用来进一步学习用户的检索意图，实验结果表明，该算法比现有图像检索方法具有更高的查准率。     

基于感兴趣区域的医学图像近无损压缩

在应用整数小波变换和基于分层树集合分割排序算法的基础上,提出了一种新的基于感兴趣区域的编码方法.本文还提出了一种感兴趣区优先编码策略,可以保证在极低的码率下感兴趣区的重建质量远远好于非感兴趣区的重建质量.这些方法得到的压缩码流都具有嵌入的特点,支持渐进传输.     

基于感兴趣区的图象近无损压缩

无损感兴趣区（Lossless Region of Interest (ROI)图象压缩方法,即在感兴趣区采用无损压缩,而在其他区域采用有损压缩,从而保证了重要信息不丢失,并尽可能提高衅象的压缩比,在整形小波变换（IWT）和嵌入式零树编码的基础上,实现了无损感兴趣区（Lossless ROI)的图象近无损压缩,并提出了一种小波变换域形状编码算法－－树映射形状编码,同时给出了算法的原理及实现,并进行了相关实验,实验结果表明,该算法能够提高压缩效率,且压缩效率取决于感兴趣区的大小以及对不感兴趣区图象的质量要求。     

一个关于视知觉不变性的层次网络表示与计算模型

在人脑皮层的下颞叶区存在着规整的功能柱型结构群，它们对中等复杂的特征具有选择性响应，为模式识别的特征检测学说提供了一个有力的证据，并由于它们毗邻构成一个连续的特征空间映射，为知觉不变性找到了生理解释．本文从神经生理学角度出发，通过设计一个金字塔状的神经网络层次模型，构造一个近似于视皮层功能柱型结构的软件组件来对物体特征进行抽提，在由简单特征构成的特征空间基础上进行相对复杂特征的连续变换的不变性映射。     

静态图像中的感兴趣区域检测技术

感兴趣区域(ROI)检测将人类的视觉注意机制引入到图像分析过程中，对于提高现有图像分析系统的工作效率有着积极的作用。本文对当前静态图像中的ROI检测技术进行了评述。在分析了ROI检测的产生背景之后，首先介绍了人类的视觉注意机制，随之从自底向上和自顶向下两个方面详细讨论了当前较具代表性的ROI检测算法，然后列举了一些主要的ROI应用方向，最后对ROI检测技术的发展前景进行了展望。     

基于小波多尺度分析的图象快速匹配模型

提出了小波多尺度分析理论在计算机中层视觉二维图象识别中的一种应用，并给出了一个高效匹配模型。利用二维图象的小波多尺度分解来模拟２个最主要的生物视觉通路，并对不同通道分别进行匹配计算，由粗到精地实现了基于扫视和凝视的二维图象的快速识别。与传统的模板匹配法相比，该方法具有速度快、搜索范围大、精度高、抗噪能力强等优点     

基于Gabor定向模式的人脸识别方法

为了从Gabor滤波后的幅值图中提取更加有效的分类特征,提出了一种新的基于Gabor定向模式（GDP）的人脸识别方法。首先对人脸图像进行多尺度多方向的Gabor滤波,然后提出了一种新的GDP算子通过对每种尺度下所有方向的Gabor幅度图进行编码得到每种尺度对应的GDP模式图,最后将所有GDP模式图的直方图向量串联作为最终的人脸表示。由于GDP算子同时对同一尺度下的所有方向上的Gabor幅度响应进行编码,因而GDP特征不仅对外界变化具有较好的鲁棒性,而且能够显著降低最终的特征长度。在ORL和CAS-PEAL人脸库上的实验结果显示GDP方法能以更小的特征长度获得优于传统LGBP及LGXP等方法的识别效果,证明了方法的有效性。     

基于复小波和Gabor小波的人脸识别

针对双树复小波变换(DT-CWT)不能直接提取水平和垂直2个方向特征的不足,提出一种结合DT-CWT和Gabor小波的人脸识别方法。将Gabor小波提取的0°和90°特征与DT-CWT提取的6个方向特征连接起来共同构成人脸特征向量,采用Fisherfaces方法构建特征向量的线性子空间,应用基于欧氏距离的分类器实现分类。在ORL数据库上的实验结果证明了该方法的有效性。     

基于傅立叶描述子的步态识别

提出了基于傅立叶描述子的步识别方法。用背景差方法得到运动人体的轮廊,通过步态周期分析提取步态序列的关键帧。利用傅立叶描述子处理关键帧的轮廊线序列,并进行数据维数压缩,得到匹配模板。用最近邻近法进行分类和识别。应用上述方法在Soton步态数据库上进行了实验,结果表明所提的步态识别方法具有罗高的识别性能。     

人脸Gabor小波特征的鲁棒性研究

人脸识别可以归结为特征的提取,对于识别任务,最主要的是要提取图像的辨别特征,但图像辨别特征的提取难度很大.对人脸图像在不同光照、姿势条件下的Gabor小波特征进行研究,证明Gabor小波特征在人脸识别中的鲁棒性.