基于感兴趣区域的图像检索方法

提出了一种新的基于感兴趣区域的图像检索算法。首先基于多曲率多项式提取图像显著点,并依据显著点提取图像感兴趣区域,然后基于感兴趣区域的颜色和纹理特征进行图像检索。实验结果表明该方法可有效地提取图像感兴趣区域,并取得了较好的检索效果。     

基于感兴趣区域的图像认证技术

信息认证是网络安全的一个重要方面,其目的在于判断信息的完整性和可信性。该文在对以往的图像认证技术分析的基础之上,给出了一种基于感兴趣区域的图像认证算法。首先将要认证的图像分割成一定大小的基本图像块,然后根据用户给出的感兴趣区域,后续分割每一个基本图像块,并提取相应各子块的签名信息并保存分割附加码,最后将签名信息隐藏于图像子块的中频系数中。实验结果证明算法不仅对偶然攻击具有较强的鲁棒性,而且对恶意攻击具有较高的检测、定位能力,同时具有较强的自适应能力。     

基于感兴趣区域轮廓的图像分割方法

针对耗时和区域边界不精确的图像分割问题,对边缘检测方法和区域生长方法进行研究、改进,提出以边缘检测和区域生长相结合的感兴趣区域轮廓的图像分割方法,该方法能够更加精确地对图像进行分割。实验结果表明,该方法对复杂环境下感兴趣区域的图像分割具有良好的效果。     

基于圆形感兴趣区域的图像检索算法

传统的基于内容的图像检索系统在检索时往往通过获取整幅图像的全局特征进行计算,必然含有一些冗余信息,从而给检索带来过多的计算量和不准确性。因此将检索的区域范围从全局缩小到局部,提出一种改进的图像感兴趣区域提取算法。首先使用Harris算法提取出图像的显著点,通过对显著点进行条件筛选截取出一个圆形感兴趣区域,然后对该区域提取多种特征并进行归一化处理,最后用距离函数实现图像间的相似度比较。实验结果表明,所提算法能够对图像的感兴趣区域进行有效提取,提高了运行效率,同时获得了较好的检索效果。     

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。     

基于感兴趣区域的图像压缩方法

基于感兴趣区域的图像压缩越来越被人们所重视,ROI编码方法现在已经有了一定的研究和发展。在本文 中将图像分割的方法和图像内容空间可分级的包围盒方法应用到ROI编码中,这不仅可以减少小波变换的图像大小, 而且可以容易地获得ROI小波系数,从而提高ROI编码效率。     

基于路面约束的行人检测感兴趣区域提取

针对行人检测存在识别精度不高,实时性较差等问题进行相关研究.分析了基于多尺度滑动窗口法提取行人检测窗口的缺点,为解决行人检测中检测窗口数量过多的问题,提出在图像分割和路面提取的基础上实现对行人检测窗口的提取.先利用FCM聚类算法训练得到分割阈值,其次提取路面区域,根据路面区域筛选可能存在的行人位置,进而提取感兴趣区域,并对相应的感兴趣区域提取HOG特征进行进一步精确分类.实验结果表明,采用基于路面约束的图像分割方法来提取感兴趣区域,有效减少了遍历窗口的数量,从而提高了行人检测速度和检测精度.     

一种基于感兴趣区域的红外目标提取方法

针对复杂背景下的红外图像的小目标提取问题,提出了一种新的红外图像自动分割方法.为了更好地控制计算复杂性及目标提取的准确性,本方法建立在通过自适应Butterworth高通滤波器找到的感兴趣区域之上并充分地利用了该区域中背景信息比较简单、目标易被分割的特性.同时,考虑到像素灰度是红处图像区分目标与背景的重要因素,而像素间的相邻度则能较好的防止虚警的产生,结合像素的灰度和相邻度的综合关系提出了一种新的分割原则.实验证明,新算法取得了很好的效果.     

红外目标图像感兴趣区域自动提取研究

基于感兴趣区域的图像压缩编码技术已成为图像编码领域的研究热点.由于图像不确定性以及目标自动识别的实时性要求,现阶段通过模拟人类视觉特性确定感兴趣区域算法不能满足需要.基于目标红外图像的特点,提出了一种逐步逼近二雏最大熵阈值递推搜索算法,综合运用二维最大熵阈值分割方法、顺序统计滤波、数学形态滤波等技术,实现了目标红外图像感兴趣区域的自动提取,经实验验证该方法不仅能满足一般的实时性要求,而且可靠、效率高,具有较高的实用价值.     

改进的KFCM算法及其在感兴趣区域提取中的应用

基于核函数的FCM算法(KFCM)是一种常用的聚类算法,它需要人为地确定分类数,对噪声比较敏感。针对感兴趣区域提取问题,提出一种改进的KFCM算法,该算法先用k'-means算法估计分类数,再用KFCM算法进行聚类,改进隶属度函数,使新算法的隶属度为其邻域隶属度的平均值,提高了算法的抗噪能力。将新算法应用到感兴趣区域提取中,实验结果表明,新算法不需要人为地确定分类数,并且相比传统的FCM算法和KFCM算法能更有效地抑制噪声。     

基于像素基因算法的图像显著区域检测研究

针对图像显著区域检测的特点,提出像素基因算法.首先在基因模型中把基因单元映射为图像区域;接着基因表达值把基因分类,对图像某个特征值图像区域产生的不确定信息的熵统计期望值,计算特征值减少系统熵值的不确定性的能力;最后采用基因相对称的邻接矩阵统计区分为显著、非显著区域.实验仿真结果显示本文算法对图像特征提取丰富,召回率、准确率较高.     

基于显著点特征多示例学习的图像检索方法

提出了一种基于图像显著点特征进行多示例学习(Multiple-instance learning)的图像检索方法.该方法对图像进行小波分解并跟踪不同尺度小波系数提取图像显著点;然后利用显著点特征进行检索,并在相关反馈中将图像看作多示例包,通过期望最大多样性密度(EM-DD,expectation maximization diverse density)方法进行多示例学习,获得体现图像语义的日标特征.在Corel和SIVAL两个图像库进行实验,结果表明该方法明显提高了检索的准确性.     

基于特征点的图像配准子系统的研究与实现

本文针对图像配准,提出了一种能够应用硬件加速器实现的图像匹配处理算法,同时推出了相应的硬件架构。本算法基于图像的特征点的提取与特征点邻域的频谱匹配。同时,本算法可以用硬件逻辑单元实现,算法实现系统不需要加入数字信号处理器(Digital Signal Processor,DSP)或除法器。由软件仿真结果证明,本算法在匹配一定图像变换范围内的多幅图像时效果较好。在硬件设计中,本子系统综合考虑了系统的速度与硬件的开销,将二者控制在了可接受的范围。由FPGA逻辑综合结果可知,本子系统可以实现高速的图像处理,能够应用在实时监控的领域。     

基于稳定兴趣点及其空间分布的图像检索

提出一种基于稳定兴趣点空间分布的图像检索方法。首先使用基于优化梯度滤波(ODF)的兴趣点检测器,结合尺度归一化的方法,检测图像中的稳定兴趣点;再利用稳定兴趣点的空间分布,对图像进行环形和凸包区域划分;最后利用凸包颜色直方图和环形区域兴趣点邻域内伪泽尼克矩的加权特征向量,对图像进行特征描述。实验表明,本方法实现简单,对图像旋转、平移具有鲁棒性;与其他基于兴趣点的检索方法相比,降低了不稳定兴趣点的影响,平均检索速度较快且平均检索准确率提高了7.0～10.9%,可以更准确地查找到用户所需图像。     

基于Dense SIFT兴趣点提取的红外与可见光融合

为解决红外与可见光图像融合时易产生伪影且目 标受背景、光照等因素干扰损失目标信息的问题,提 出一种基于Dense SIFT的改进区域融合方法。首先,分别对红外与可见光图像进行Dense SI FT处理获取 对应的初始融合决策图;然后通过对红外光图像进行兴趣点提取、去游离处理等操作得到最 终待映射区域; 最后分别对红外与可见光图像目标区域和映射后背景区域采用不同融合规则进行融合获取最 终结果。经试 验验证,本文方法能够更加准确的提出目标区域,简单快速,并在第二、三组实验结果中将 信息熵提升0.6以上,具有有效性。     

基于兴趣点凸包的图像检索方法

提出了一种基于兴趣点确定感兴趣区域的图像检索方法。在尺度归一化图像中检测兴趣点,然后对兴趣点求取凸包确定感兴趣区域,并用颜色直方图和Zernike矩作为特征进行检索,在保证图像检索对图像旋转、平移、缩放鲁棒性的前提下,将图像检索上升到物体层,克服了传统方法的不足。对1000幅图像进行的大量实验表明,该方法与其他基于兴趣点的方法相比,平均检索准确率提高了13%,可以更准确地查找到用户所需图像。     

基于关键点梯度特征描述的人体行为识别算法

提出一种新的人体行为识别方案并进行了算法实现。通过对视频序列在空间上高斯滤波,在时间轴向上Gabor滤波,提取出视频序列的关键点,对每个关键点邻域20×20的区域使用梯度位置朝向直方图进行描述,描述的序列可以表征视频序列的特征。与其他人体行为识别算法比较,不需要标记特定的特征区域和比较耗时的聚类算法,构建单个支持向量分类器即可达到好的识别率,算法简单有效。     

基于显著性映射与兴趣点凸壳的图像融合算法

提出了一种基于显著性特征的可见光与红外图像融合算法来改善目标的融合质量.引入显著检测器对红外图像进行处理,生成显著映射;进一步分析红外图像并检测兴趣点,提取图像中的显著兴趣点;通过计算显著兴趣点的凸壳确定显著区域;利用显著兴趣点凸壳对初始显著映射进行优化,使目标定位更加精确.根据区域映射获取可见光图像的背景区域;根据不同的融合准则对目标、背景区域进行融合,获得最终的融合图像.结果表明与当前可见光图像融合技术相比,所提算法在标准差、联合熵与边缘信息因子等指标方面具有优势,其融合图像的细节纹理更清晰.     

Unsupervised image segmentation based on analysis of binary partition tree for salient object extraction

This paper proposes an unsupervised image segmentation approach aimed at salient object extraction. Starting from an over-segmentation result of a color image, region merging is performed using a novel dissimilarity measure considering the impact of color difference, area factor and adjacency degree, and a binary partition tree (BPT) is generated to record the whole merging sequence. Then based on a systematic analysis of the evaluated BPT, an appropriate subset of nodes is selected from the BPT to represent a meaningful segmentation result with a small number of segmented regions. Experimental results demonstrate that the proposed approach can obtain a better segmentation performance from the perspective of salient object extraction.