基于视觉显著性的红外图像弱小目标检测方法

针对复杂背号下红外图像弱小目标检测难题,提出了一种基于视觉显著性的目标检测方法。首先利用基于视觉注意机制的显著性模型计算图像的显著度图,然后根据图像的显著度图确定目标的区域,最后在原图像上确定目标的精确位置,仿真实验结果表明,本文方法能够很好地检测出红外图像中的弱小目标;与常用背景抑制法相比,该方法不仅较好地突显了目标,而且极大地消除了虚警干扰。     

基于视觉中心转移的视觉显著性检测方法

针对现有许多检测方法提取出的显著性区域不够清晰的问题,提出一种基于视觉中心偏移的视觉显著性检测方法,在对图像进行预分割的基础上,结合图像的颜色对比特征、颜色分布特征和位置特征,提取出图像显著性区域,利用视觉中心转移模拟人类视野系统的视野转移过程,对图像进行多尺度分析,融合不同尺度显著图得到最终显著图。试验结果表明,本方法较现有显著性检测方法在视觉效果和查准率召回率有明显提高,ROC曲线下的面积可达0.952。     

基于视觉双通路与贝叶斯模型的烟雾检测方法

该文提出了开放环境下基于贝叶斯模型与视觉双通路融合的烟雾检测方法.首先利用Itti视觉注意模型自下而上生成灰度显著性图;然后通过被测图像纹理特征直方图与烟雾样本纹理特征直方图的匹配,自上而下获得纹理显著性图;最后根据贝叶斯模型融合灰度与纹理显著性图,生成最终的烟雾概率显著性图.实验结果表明,该文方法能准确提取图像中的疑似烟雾区域,具有抗光照变化的优势,适用于开放环境下的实时烟雾检测.     

基于小波分析的边缘检测

中主要讲述了小波分析和边缘检测的基本理论，以及小波分析在边缘检测中的应用，力图反映出小波理论在边缘检测中的特点。     

基于视觉显著性与RBF神经网络融合的织物瑕疵检测

为提升织物瑕疵检测准确率,避免出现漏检或误检,提高织物检测智能化程度,提出基于视觉显著性与RBF神经网络融合的织物瑕疵检测方法,将织物图像经中值滤波降噪后,通过织物瑕疵区域对比度、纹理粗糙度和纹理方向的异常显著性模型计算获得显著图,并经RBF神经网络训练获得的映射函数和网络特征字典重构织物图像提取特征,之后采用最大熵自动阈值法定位分割,有效获得织物瑕疵检测结果。实验结果表明：此方法能实时有效对多种异常特征较弱的织物瑕疵进行检测,适应性强,检测准确率大幅提升,能满足实际工业织物瑕疵检测要求。     

基于小波变换的视觉工件检测技术

在小波变换的基础上,研制了视觉工件检测系统,并做了详细阐述和试验。结果证明该系统检测速度快,结构简单,精度高,便于实时化处理,具有广泛的应用前景。     

基于视觉显著性检测的跨尺度插值模型

为了提升多媒体处理感知能力,提出了一种运动图像序列跨尺度插值模型. 首先从用户的角度出发,采用视觉显著性检测技术获取关注区域,进而确定运动图像的显著区域;而后在时间尺度改变的情况下,利用一致敏感哈希技术实现了高质量插值帧的生成;最后定义能量函数,使得在分辨率尺度变化时能提升关注区域的清晰度. 实验结果表明,运动图像序列跨尺度插值模型能够获得较好的插值质量.     

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。     

一种基于小波去噪的遥感图像显著性区域检测算法

传统的图像检测方法未获取遥感图像亮度、色度、饱和度信息,图像显著性区域检测效果较差,为此,论文提出一种基于小波去噪的遥感图像显著性区域检测算法。利用小波变换的正交方式将遥感图像转换为一维图像,采用二进小波变换获取遥感图像边缘信息,根据新阈值函数去除图像边缘噪声;依据IHS变换（Intensity-Hue-Saturation）方式计算遥感图像亮度、色度、饱和度信息,并经离散小波变换计算遥感图像高、低频系数向量,通过模糊C均值聚类获取低频系数聚类数据后,利用显著性因子完成遥感图像显著性区域检测。实验结果表明：本文方法能够有效提取图像边缘信息,去除噪声能力强,所检测到的图像显著性区域层次分明,对比度较高,检测效果好。     

算法可重构的工业视觉饮料瓶盖缺陷检测

该文针对工业机器视觉系统软件对图像处理算法可重构的需求,以工业机器视觉饮料瓶盖缺陷检测为应用背景,给出了一种算法可重构的工业机器视觉饮料瓶盖缺陷检测系统软件的设计方案。该方案设计并实现了3种提取饮料瓶盖感兴趣区域的方法。同时结合饮料瓶盖缺陷检测的流程,详细阐述了系统软件对检测算法进行重构的原理及过程。最后,利用软件重构的检测算法序列对感兴趣区域图像进行缺陷检测,对测试结果进行了分析比较。测试结果表明该文的检测软件具有良好的实用性和检测性能。     

基于贝叶斯框架的显著目标检测

图像和视频显著性检测在计算机视觉领域引起了极大的关注,广泛应用于物体分割、可疑物检测、图像检索等领域,在贝叶斯框架下,将人类视觉注意力理论中Bottom-Up模式被动感知与Top-Down模式主动检测按照时间先后顺序结合在一起,并结合像素的"Center-Surround"模型和核密度估计,提出一种能由粗到精逐步感知和获取视场中视觉显著性目标位置及尺度的实时显著目标检测算法,称其为基于贝叶斯框架的显著目标检测.通过在微软MSRA数据集上进行ROC和Precision-Recall测试,证明该算法取得比目前经典算法更好的效果.     

基于区域显著性与稳定性的小目标检测方法

为解决彩色图像小目标检测中目标易丢失与虚警率高的问题,提出了一种基于区域显著性和稳定性标准增强的小目标检测方法（ RSSEM ）。首先,在区域稳定性特征提取阶段,针对滤波导致的边缘信息缺失问题,填充图像边界并采用多级阈值二值化图像,在聚类准则下二值图像进行区域聚类和二次后验,使本文方法对小目标有较高敏感度。其次,在区域显著性特征提取阶段,利用旋转对称高斯高通滤波对灰度图像进行滤波得到显著性特征图像。最后,融合稳定性特征与显著性特征,并对强噪声滤波后实现小目标检测。在RSS数据集上,与对照组相比,本文方法能显著降低小目标的丢失率和虚警率,比最先进的算法在精确度、召回率、F值上至少提高1%,表明RSSEM的有效性。     

基于小波分析的图像边缘检测

介绍了图像边缘检测的一些传统算法和小波分析方法用于边缘检测的基本原理,给出了利用小波变换进行边缘检测的方法,通过与传统的图像边缘检测算法对比,显示了小波分析的多尺度算子在抗噪声和保留图像边缘的能力上有比较好的效果．     

基于小波分析的信号检测研究与应用

针对冲压类机械的故障特点,研究了一种基于小波分析的信号检测系统,探讨了小波分析及其在机械故障诊断中的应用,深入分析了该系统的硬、软件设计方法。     

分块鲁棒主成分分析的撞击坑图像检测识别

针对遥感图像地形背景复杂的问题,提出分块鲁棒主成分分析的撞击坑候选区域自动提取方法.基于图像分块,采用交替方向乘子算法进行结构稀疏的低秩分解,低秩成分表示冗余相似的背景,稀疏成分代表包含潜在撞击坑的显著区域.针对显著的区域图采用数学形态运算分割获取候选的撞击坑图像,并通过对候选图像进行稀疏表示的分类,识别出真实撞击坑.基于火星和月球图像的实验结果表明,该方法能有效去除复杂地形和光照的干扰,检测率达到91.7%.     

一种基于MobileNet的火灾烟雾检测方法

提出了基于图像序列的火灾烟雾检测方法。首先使用K-近邻（K-NN）背景减除器预测前景区域,对该区域进行形态学操作后得到可能出现火焰或烟雾的区域。其次,使用轻量神经网络MobileNet对火焰和烟雾进行分类。该模型具有流线型架构,同时采用depthwise separate convolution,使得该模型可以运行在嵌入式设备和普通PC机上。实验首先在数据集上完成分类模型训练,使用多种标准进行评估。结果表明:该方法能够在嵌入式设备等计算能力有限的设备上实现火灾烟雾检测。与其他模型相比,该方法在没有明显损失准确度的情况下大幅提高了检测效率。     

小波分析在图像边缘检测中的应用

针对传统滤波方法消除噪声会产生边缘模糊化和如何选择边缘窗口,对含有细节较多的图像效果不佳等问题.将小波分析方法应用于图像边缘检测领域,小波分析的多尺度算子在抗噪声和保留图像边缘的能力上有比较好的效果.对Circuit图像做计算机模拟,结果证明,小波分析可在去除噪声的同时更好地保留原图像边缘.     

基于小波变换的边缘检测

边缘特征是图像最为有用的高频信息。边缘检测在图像处理和计算机视觉中起着非常重要的作用。本文在简要介绍小波变换的基础上,给出了小波变换的边缘检测理论。边缘检测采用3次B样条小波。实验证明,利用小波变换提取的图像边缘效果明显优于sobel、canny等传统的边缘检测方法。