一种用于CTP版表面瑕疵的自适应检测算法

为了实现CTP版材表面不同类型瑕疵的自适应在线检测,引入人类视觉注意机制,融合区域生长算法对表面瑕疵图像进行分割,以面积作为特征值对瑕疵进行识别。首先根据人类视觉系统具有选择性注意机制的特性,对CTP版材表面图像的多特征图像采用图像金字塔分解得到多尺度图像,并利用基于图的算法（GBVS）将多尺度下多特征的图像融合为全局显著图。然后将显著图中最显著点即注意焦点作为区域生长的种子点,相似性作为区域生长准则,对原图像的梯度图像采用区域生长算法获得瑕疵区域二值化图像。最后利用注意抑制返回机制和邻近优先的准则,查找其他未检瑕疵,直至满足CTP版材的行业标准。实验结果表明：瑕疵检测系统分辨率0.1mm,检测平均准确率达96.3%以上,算法运行速度快,能满足CTP版材生产的在线检测实时性要求。     

利用多尺度频域分析的图像显著区域检测

针对显著区域检测中的视觉显著性度量问题,提出了一种通过对图像的频域特征进行多尺度分析来计算显著性的方法.在多个尺度上提取图像底层特征,在频域分析各种特征图的幅度谱和相位谱,在空间域上构造相应的显著图.根据显著图,检测出图像中的显著区域.在多种自然图像和人工图像上进行实验.实验结果表明,该方法能迅速检测出与人类视觉注意结果一致的显著区域,并且在高强度噪声图像中也能取得很好的检测效果.     

基于视觉注意模型化计算的行人目标检测

提出一种用于行人目标检测的视觉注意模型化计算方法。在提取行人目标显著表象特征的基础上,通过多尺度分解后,各尺度图像之间的差减与归一化运算构成显著图;同时,根据肤色高斯似然计算模型,提取行人目标特有的皮肤颜色特征图,再通过分块图像中分类像素点累计计数与阈值化均值滤波相结合的方法精化肤色提取结果以构成导引图;进而提出一种将显著图与导引图通过有偏置的加权整合策略实现目标区域的准确预测。通过Penn-Fudan行人数据库和实拍视频的实验结果表明,所提方法的检测准确率优于现有其他计算模型,且相对传统目标检测算法,能够大幅度减少时间开销,提高检测效率。     

复杂纹理瓷砖表面缺陷检测算法研究

针对复杂纹理瓷砖表面缺陷检测困难的问题,提出一种基于人眼视觉注意机制的显著性目标检测方法并用于瓷砖表面缺陷检测。利用单尺度SSR光照校正方法和双边滤波方法对图像进行预处理;根据视觉注意机制中的对比度原理及高频抑制原理,针对复杂背景纹理的“成像性”与“聚集性”特征,建立基于视觉注意机制的检测模型,根据视觉注意机制中的对比性原理和高频抑制原理对瓷砖表面进行特征提取,再依据图像的显著性准则得到图像颜色斑块权重显著图和图像特征融合显著图并将两者融合,进行缺陷的判定和标记,最终得到已标记的瓷砖缺陷。将此缺陷检测算法和另外2种算法应用于随机选取的3类复杂纹理瓷砖并进行对比实验,结果表明,相比较于其他算法,此算法对复杂纹理瓷砖的缺陷检测达到96%以上的综合检测率,可以获得良好的瓷砖缺陷检测效果。     

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。     

基于空域和频域的图像显著区域检测

根据人眼视觉注意机制,提出将图像在空域中采用局部复杂密度对比和全局颜色分布估计,在频域中通过有效频段分割的方法分别提取显著特征,再仿照细胞调节原理进行特征组合。局部复杂密度对比是模仿万有引力定律,通过稀疏基建模的方式计算视觉注意力的大小;提出在频域内采用有效频段分割,结合幅度信息提取显著特征后加权合成。仿真实验证明本文算法能高效地检测出场景中的显著区域。最后将本文算法应用于虚拟与现实交互中检测真实场景中的有效区,效果良好。     

基于视觉特征对比度和二维熵的火焰检测

该文提出了在开放环境下应用视觉特征对比度和二维信息熵的火焰在线检测方法.首先利用光流法获取目标的运动矢量,然后通过运动标量生成运动对比度显著性图;进一步与颜色对比度显著图融合得到一个合成的显著图,提取出疑似火焰的感兴趣区域;接着对感兴趣区域的运动矢量计算二维熵,根据二维熵的时空一致性对是否为火焰区域进行判决.该文提出的特征对比度方法大大降低了传统基于高斯金字塔的视觉注意模型的计算复杂度.实验结果表明,该文方法对环境光照变化不敏感且能够排除其它运动物体的干扰,适用于开放环境下实时火焰检测.     

利用团块模型进行目标跟踪

提出了一种基于局部特征的目标跟踪算法．通过多尺度分析方法,根据颜色和空间上的相似性将目标分割为多个区域,每个区域由一个团块表示,团块包含了该区域所有像素的颜色均值、形状和位置．根据团块特征构造目标的外观模型,定义团块的匹配准则,通过团块匹配进行目标跟踪．由于目标模型是基于局部特征的,并且包含目标的全局空间结构,因此该算法在局部遮挡和目标尺度变化的情况下,依然能够进行准确地跟踪．实验表明该算法能够有效实现复杂场景下的目标跟踪,性能优于Mean-shift算法．     

基于互信息相对熵差异的显著区域提取算法

在沿用Itti模型的中央周边操作的指导思想下,提出一种基于互信息相对熵局部直方图差异的视觉显著区域提取算法。该方法首先利用像素与像素之间对比度检测各个像素的差异值,然后分析局部区域内中心和周边的像素差异直方图分布,最后利用互信息相对熵寻找视觉显著区域。该方法省去了Itti模型的运算复杂度高的Gabor滤波器运算,算法简单,有效,且提取的显著性区域符合视觉主观特性。     

基于改进ITTI模型及粒子群优化算法的白细胞区域提取

白细胞显微图像病理分析中,人眼关注的白细胞是感兴趣的区域。ITTI视觉模型是提取图像感兴趣区域(ROI)的有效办法。为了进一步改善其提取的准确性,提出了基于改进的ITTI视觉模型与粒子群优化算法相结合的目标控制方法,并将其应用于医学骨髓细胞图像中的白细胞区域提取。首先利用高斯滤波和多尺度归一化的方法分别提取原始图像的方向、亮度、颜色显著性特征,再根据人眼的视觉对不同显著性特征敏感程度不同的特性对3种显著性特征采用自适应系数相融合的方式得到显著图,最后利用基于改进的粒子群优化算法的Otsu法对显著图进行ROI的提取,并采用数字形态学的方法对其进行后续处理。结果表明,本文算法可以较好地提取完整的白细胞区域,有助于提高病理分析的效率。     

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.     

抑制船尾拖纹的船舶显著性视频检测方法

运动船舶尺寸等参数的视频检测中,与船体同步运动的水面拖纹干扰会严重影响检测精度.为此,在描述显著性检测机理的基础上,提出了抑制船尾拖纹的船舶显著性视频检测方法:根据颜色对比度直方图得到内河场景的显著图;将原图超像素分割成若干子区域,以区域空间位置关系改进直方图对比度显著性检测结果得到区域显著图;通过该区域显著图初始化GrabCut算法,迭代分割过程中加入腐蚀膨胀操作来逼近目标边缘,从而提取运动船舶.实况视频测试结果表明,该方法能有效地抑制船尾拖纹,准确地检测出内河运动船舶,准确性达到94.6％     

基于显著点颜色-空间分布特征的图像检索算法

提出了一种基于显著点的颜色和空间分布特征的图像检索算法。首先使用Harris颜色点检测器提 取图像的显著点;再以显著点为主线,设计了一种基于显著点的环形颜色直方图方法,将显著点的局部颜色特征与 空间分布结构有效结合;最后利用信息熵表示图像颜色的空间分布信息,既考虑了图像的空间分布特征,又降低了 运算复杂度。实验结果表明,该方法实现简单,在检索精度上明显优于基于全局特征的图像检索算法。     

采用渐进式网络的弱监督显著性目标检测算法

弱监督显著性目标检测中常存在目标错检、区域检测不全和目标边界不清晰等问题。针对上述问题,提出了一种基于渐进式网络的弱监督显著性目标检测算法,将显著性目标检测分为目标定位、显著性区域完善和目标边界细化3个子任务分阶段完成。首先,将输入图像采样为3个不同尺度的图像,分别输入渐进式网络的3个阶段进行学习;其次,在目标定位阶段设计了嵌套位移多层感知机,平衡网络的全局信息与局部信息的提取能力,以更好地定位显著性目标;最后,根据显著性图的结构不受尺度变化影响的特点,设计了异尺度自监督模块和目标一致性损失函数来构建自监督机制,使网络能够输出区域完整、边界清晰的显著性图。在5个数据集上测试所提算法,其客观指标与主观评价都优于最近的弱监督算法,且在F值指标上可以达到相关全监督算法89%的性能。实验结果表明,所提算法能生成显著性区域更完整、显著性目标边界更锐利的显著性图,且具有良好的鲁棒性。     

基于双目视觉的显著性区域检测

针对传统基于像素的显著性模型存在的边缘模糊、不适于低对比度环境等问题,提出一种基于双目视觉信息的显著性区域检测方法. 采用简单线性迭代聚类（SLIC）方法对图像进行超像素分割,将生成的超像素区域进行合并.通过计算各区域在左右视图的相对移动距离获取物体深度信息,以区域为单位分别计算颜色对比度及深度对比度,进行合成得到区域的显著性值.结果表明,生成的显著性图轮廓清晰,边缘锐利,同等条件下近处及深度变化显著的区域能够获得更高的显著性.该方法符合人类视觉感知特征,适用于移动机器人障碍物检测及场景识别.     

基于自适应流形相似性的图像显著性区域提取算法

为了在图像显著性区域提取过程中改善算法的自适应性和精准度,提出基于自适应流形相似性的图像显著性区域检测算法。将图像分割成超像素,根据图像中显著性区域频率变化比较大的特性,生成图像显著性区域的高频节点;针对高频节点利用凸包运算寻找显著性区域的种子节点;使用流形算法在图像中对种子节点进行显著性区域信息扩散,得到图像的显著性区域。试验结果表明:利用流形算法搭建求解每个数据的邻接矩阵进行信息扩散,能够在保证信息精准分类的同时提高算法的自适应性,其结果优于同类的图像显著性区域检测算法。     

基于区域显著性的双波段图像融合方法

为了在红外与可见光图像融合中保留更多有效信息,提出一种基于区域显著性分析的融合方法.通过区域分割以及多分辨率对比度分析,获得图像的尺度不变区域显著性图（RSISM）.利用RSISM能够有效表达区域的显著性特征,合理区分不同性质的区域;根据RSISM划分显著性区域、背景区域及中间区域,对各区域制定相异融合规则,并在非降采样轮廓波变换（NSCT）变换域上融合双波段图像.实验证明,与传统方法相比,该方法能够更好地保留显著性区域的红外特征及其他区域的细节信息,同时对背景热辐射干扰不敏感,有较好融合效果,并能够拓展应用于动态图像的融合中.     

基于信息弥散机制的图像显著性区域提取算法

为了更好提取图像的显著性区域,提出基于信息弥散机制的图像显著性区域检测算法。在所提算法中,首先将图像分割成超像素,根据图像中显著性区域频率变化比较大的特性,生成图像显著性区域的高频节点;然后针对高频节点利用凸包运算寻找显著性区域的种子节点,最后使用二阶高斯-马尔科夫随机场信息弥散方法在图像中对种子节点进行显著性区域信息扩散,得到图像的显著性区域。试验结果表明,利用二次规划求解每个数据之间的线性关系进行信息扩散,能够达到避免阈值选择和信息精准分类的效果,其结果优于同类的图像显著性区域检测算法。