水平集超像素及贝叶斯框架下的显著性检测

针对数字图像显著性检测过程中对超像素的分割及相应显著值的计算不准确问题,提出了一种基于水平集超像素和贝叶斯框架的数字图像显著性检测和更新算法.首先,对基于灰度不均匀的水平集方法的结果先进行分割合并操作,可以得到适应图像不同区域大小的水平集超像素.其次,使用图像内部与边缘超像素之间的颜色和距离差异来构建显著性图.接着,使用水平集超像素来表示显著区域,以图像边缘部分的超像素为基础,基于K均值聚类算法并在贝叶斯框架下提出三种更新算法,用来更新显著性图从而得到显著性结果;更新算法可以进一步提高显著图的准确率、召回率、F值这3个指标,降低平均绝对误差.最后,提出了基于人脸识别的检测算法来处理包含有人的图片.在三个公开的数据库上进行了定性和定量的大量实验评测,结果表明本文提出的显著性检测方法和更新算法在准确率、召回率、F值及平均绝对误差这四个指标上均优于FT、CA、XL、MR、w CO、BSCA等已有的图像显著性检测经典算法.     

海战场光学遥感图像舰船目标检测

针对海上舰船目标的检测,提出了一种适于海上区域特征的广域高分辨率光学遥感图像舰船目标检测方法.该方法基于舰船目标的视觉显著性特征,通过三个步骤实现海战场舰船目标的检测.首先,建立遥感图像的视觉显著性特征通道,根据生物视觉生理特性的原理,提取不同特征通道中目标的视觉显著性特征;然后,通过自适应特征图像选择算法,选择显著性权重最高的五幅特征显著图像,并将它们组合成一幅视觉显著性图像;最后,将视觉显著性图像分类,应用基于舰船特征的目标选择方法,将目标列表中的目标划分为舰船目标和未知类型目标.实验结果表明,此方法能以高可靠性和高精确度检测出海战场图像中的目标对象,有效地减少虚警.     

基于显著性检测的合成孔径雷达目标检测算法

针对合成孔径雷达图像边缘、纹理与形状信息丰富,图像尺度大难以处理的问题,提出了一种基于显著性检测的合成孔径雷达目标检测算法.将合成孔径雷达图像表示成超像素,来构建超像素间的关联关系图从而解耦整张图像.同时基于人眼视觉系统对多尺度图像进行非均匀采样的特点,分别提取图像的局部对比度显著性、像素紧凑度显著性和全局唯一性显著性映射,并使用贝叶斯估计得到SAR图像的精确显著性映射,融合三种显著性映射得到最终的显著性图实现目标检测.在各种SAR图像显著性检测实验的定性与定量结果表明,所提方法明显优于现有方法.     

基于区域对比的图像显著目标检测

针对具有杂乱背景图像的显著目标检测问题,提出了一种无需任何先验知识,通过分析计算区域平均显著值的对比度来提取显著目标的方法.根据显著图,计算出显著目标的最小边界框与其周围区域的显著性差异,且通过折半查找的方法加快搜索的收敛速度.结果表明,该算法能迅速检测出与人类视觉感知结果一致性较高的显著目标区域.     

结合自适应字典学习的稀疏贝叶斯重构

贝叶斯压缩感知是一种基于统计分析的压缩感知算法,具有很好的鲁棒性,能够充分利用信息间的相关性,它的重构依赖于图像的稀疏性表达.针对贝叶斯压缩感知的深层次稀疏化问题,笔者结合自适应字典学习思想,提出一种冗余自适应字典表示的稀疏贝叶斯学习算法.该算法对图像进行局部分块,从待重建图像的迭代中间图像分块中学习字典,并以该字典作为图像的稀疏变换基,通过稀疏贝叶斯学习算法获得稀疏解.实验结果表明,基于自适应字典的贝叶斯学习算法能提高稀疏化,明显改善图像的重构质量.     

基于纹理差异视觉显著性的织物疵点检测算法

由于织物图像纹理多样化及疵点类别较多,为了更有效地检测织物疵点,结合织物图像特性及借鉴人类视觉感知机理,提出一种基于纹理差异视觉显著性模型的织物疵点检测算法。该算法首先对图像进行分块,计算各个图像块LBP（local binary pattern）纹理特征,与图像块平均纹理特征的相似度比较,进行显著度计算,从而有效突出了疵点区域。最后利用改进阈值分割算法,实现对疵点区域的定位。通过与已有视觉显著性模型进行比较,得出该算法更能有效地突出疵点区域;同时,分割结果与已有织物疵点检测算法相比发现,该算法具有更强的疵点检测及定位能力。     

线阵CCD图像的弱小目标检测算法

为解决在复杂室外环境中,受到特殊因素干扰时获取的线阵CCD图像目标检测率低的问题本文提出了一种基于视觉显著性的线阵CCD图像弱小目标检测算法.该算法根据线阵CCD图像的特点,构建了新的特征向量,设计了与目标形状相似的双窗口进行多特征比较,通过计算中心与周围像素邻域窗口特征向量的相似性来表达各个像素的显著程度,得到图像的显著度图,将显著度图聚类,分割出包含目标的一类,从复杂的背景中提取出弱小目标.经过实验对比分析表明,与传统目标检测法相比,该算法可以更有效检测出线阵CCD图像中的弱小目标.     

视觉感知的目标识别算法

针对图像的目标识别问题,采用视觉感知的方法,模拟感受野的分层信息处理机制,并引入神经元间的侧抑制机制,对神经元响应进行筛选,通过检测视觉基本特征的方式识别图像中的目标.算法首先在简单细胞的感受野中对图像进行预处理;其次,在复杂细胞的感受野中,将简单细胞的感受野刺激进一步拓扑特征提取,得到感受野刺激响应;最后,通过侧抑制机制对响应神经元筛选,找出对刺激响应较强烈的神经元,将其输出作为目标识别的参数标准.实验结果表明,基于视觉感知的算法可以用少量样本解决大量图像中的目标识别问题,识别率高于边缘检测和图像分割方法,算法的目标识别率达到95.56%.     

显著图联合改进的JND模型

提出一种改进的基于显著性检测图联合估计恰可失真(JND)阈值的视觉感知模型,将人眼注意力机制引入JND模型,通过感知特点建模得到更为精确的JND 模型.首先通过改进的显著性检测算法得到相应的显著图,在计算JND 阈值的过程中,使用显著图来分配不同的权重给JND模型,并针对色度和亮度的不同给予不同的权重.基于空域的JND 模型主要用在计算图像中的平坦区域;而基于DCT域的JND模型更加适合计算纹理区域的阈值,新的模型还同时考虑加入对比敏感度函数和各种掩蔽效应因子.将改进的JND模型融合到新的视频编码软件HM 16.4中,实验结果表明,与HEVC 标准的数据对比,视觉感知质量没有明显下降.     

结合视觉显著性和空间金字塔的遥感图像机场检测

提出一种结合视觉显著性和空间金字塔的遥感图像机场检测方法,首先根据改进的直线段检测算法对滑动窗口进行目标存在初步判断,只对可能含有目标的窗口按照空间金字塔表示方法提取该窗口中每一图像子块的稀疏编码,利用基于视觉显著性的特征抽取策略形成表征滑动窗口的全局特征向量,然后对该特征向量进行分类判别,得到滑动窗口含有目标的置信值,最后采用非极大值抑制完成机场检测。实验结果表明,该机场检测方法相比其他方法检测效率显著提高,并且具有识别率高、虚警率低的特点。     

非经典感受野的朝向和对比度特性在轮廓提取中的应用

对于普通的复杂背景图像的边缘检测方法,在检测出主体轮廓的同时也保留了背景的纹理,不利于检测出主体的轮廓.根据生物视觉感知的特性,模拟出复杂细胞感受野的响应函数,然后提出了一种基于朝向和对比度特性的非经典感受野抑制模型,从而得到了清晰的轮廓.仿真实验证明,该方法在提取物体轮廓的同时有效地抑制了背景的纹理,提高了轮廓提取的正确率.     

基于图像的产品缺陷特征提取方法

在基于图像的工业产品缺陷检测中,多为非均匀背景的高像素图像,传统的图像分割方法难以将缺陷目标快速从图像背景中分离出来．本文提出一种从非均匀背景中分离目标的新方法：首先,对原始图像进行栅格采样,将各采样点组成一幅小的图像;接着,对该图像应用GLPE进行滤波和平滑,以消除目标对背景的影响,接着应用Facet模板按原取样值对该图像插值进行二次平滑,从而得到背景图像;最后,将原始图像减去背景图像即得到目标图像．实验结果表明,该方法与传统图像分割法相比,对缺陷特征的识别更准确,目标提取速度更快,可以显著提高产品缺陷的检测效率．     

基于差分法的运动目标检测设计

介绍了一种以差分法实现运动目标检测的设计.对比了常见的运动目标检测方法和图像处理技术,重点对帧差分法和开源AForge .NET框架进行了分析,利用AForge .NET框架设计实现了运动目标的检测功能.应用表明,该设计易于使用与扩展.     

Saliency detection via object size distribution prior and image abstraction

In order to uniformly highlight the entire salient object and reduce the influence of high contrast small-size objects on saliency detection, salient object size distribution regularity and consistency of salient objects in different scales image abstraction are investigated. A multi-scale abstraction saliency detection approach based on the object size distribution prior is proposed. The method measures the color uniqueness and distribution for different super-pixel abstraction images, and guides salient object segmentation and abstraction by the object size distribution regularity. Experimental results on publicly available image databases show that the method can accurately detect salient objects. Meanwhile, it can restrain the influence of small-size high contrast objects on saliency detection and generate a uniform saliency map.     

基于模糊理论的图像分割方法

利用边缘提取方法将边缘和噪声象素点从一维直方图中剔除,再对剩余象素点聚类,求出最优分割阈值,然后再求出各象素点隶属于目标和背景的模糊隶属度。根据背景和目标灰度的分布特征,分别选择适当的置信区间,对不在置信区间的象素点再利用其邻域象素点隶属度进行分类最终得到分割结果。实验结果表明效果良好。     

桥梁裂痕检测与识别方法

桥梁裂痕图像检测过程中,采集的桥梁裂痕图像容易出现模糊,且桥梁裂痕本身具有裂痕特征不明显、杂质干扰大等特点,为了达到对桥梁裂痕准确、快速检测的目的,提出了一种桥梁混凝土结构裂痕病害的自动检测识别方法.首先对采集到的桥梁裂痕图像进行去模糊处理,在此基础上利用非负特征提取桥梁裂痕目标信息,然后利用方差特征去除特征结果图中的伪特征,并使用特征图像中目标特征象素的圆投影特征来增强目标裂痕信息,同时进一步去除虚假特征.分别对不同的桥梁裂痕图像进行了多种不同类型的处理实验,包括裂痕图像去模糊前后的目标裂缝检测结果对比实验,特征图像的方差特征去噪实验,以及圆投影进行特征目标特征增强同时进一步去噪的实验.结果表明,该方法对桥梁裂痕的提取与检测有效,有一定的实际意义.     

Object-level change detection based on full-scale image segmentation and its application to Wenchuan Earthquake

Aiming at object fragmentation and poor detection results caused by discontinuous segmentation scale in object-level change detection, a new object-level change detection method based on the full-scale object tree is presented in this paper. The core idea of this new algorithm is to establish the full-scale object tree based on convexity model theory and integrate full-scale image segmentation techniques and change detection into the whole process. Some Wenchuan Earthquake images are taken as an example to discuss the new method for earthquake damage detection and evaluation in urban area, landslide detection, and extraction of barrier lake boundary. The application shows that the new method is robust and it provides an advanced tool for the quantitative detection and evaluation of earthquake damage.     

遥感图像中基于视觉显著性的分层目标检测

针对遥感图像自动判读的应用场景,提出了一种基于视觉显著性的分层目标检测方法。该方法对于每一个特征定义一个偏好函数,并定义一个将各偏好函数计算的多个视觉显著性图像合成为一个视觉显著性图像的合成偏好函数。首先对低分辨率目标图像分别使用各偏好函数计算对应特征的视觉显著性图像;然后使用合成偏好函数计算合成的视觉显著性图像;最后定位出合成偏好函数取得最大值的区域,并将其作为最有可能包含目标的候选区域。这三个步骤在定位出的候选区域对应更高分辨率的图像上反复进行,直到待检测目标被发现或者被确定不存在为止。实验结果证明,该方法能够尽早地略过那些不包含目标的区域,与传统的目标检测方法相比,具有更好的检测效果和更少的计算量。     

轮廓匹配的复杂背景中目标检测算法

为解决基于形状的目标检测算法受图像复杂背景的影响,本文提出了一种新的基于轮廓匹配的复杂背景中目标检测方法,算法结合了显著性检测和模板匹配的方法.首先对输入图像在超像素级别进行预处理,应用显著性区域检测方法得到不含复杂背景的区域图像,然后在显著性区域内得到初始边缘图像,对初始边缘图像进行优化处理后利用形状描述子进行轮廓匹配,最后,通过深度优先的搜索策略识别目标的假设位置并进行假设验证来确定最终的目标位置,完成复杂背景图像中的目标检测任务.在ETHZ形状数据集的实验结果证明了本文算法的可行性,根据50%-IoU和20％-IoU标准与其它几种基于形状的目标检测方法进行对比,当误报率为0.3时,算法平均检测率是96%,误报率为0.4时,检测率已经达到99%,如果接受更高误报率时检测率可达到100%,均高于其余几种算法.算法的实验和对比分析结果表明本文方法可以提高检测精度,具有明显的性能优势,为复杂背景中的目标检测提供了新的解决方法.     

Object-level change detection based on full-scale image segmentation and its application to Wenchuan Earthquake

Aiming at object fragmentation and poor detection results caused by discontinuous segmentation scale in object-level change detection, a new object-level change detection method based on the full-scale object tree is presented in this paper. The core idea of this new algorithm is to establish the full-scale object tree based on convexity model theory and integrate full-scale image segmentation techniques and change detection into the whole process. Some Wenchuan Earthquake images are taken as an example to discuss the new method for earthquake damage detection and evaluation in urban area, landslide detection, and extraction of barrier lake boundary. The application shows that the new method is robust and it provides an advanced tool for the quantitative detection and evaluation of earthquake damage.