基于显著图融合的无人机载热红外图像目标检测方法

利用无人机载的热红外图像开展行人及车辆检测, 在交通监控、智能安防、防灾应急等领域中, 具有巨大的应用潜力. 热红外图像能够在夜间或者光照条件不理想的情况对场景目标清晰成像, 但也往往存在对比度低、纹理特征弱的缺点. 为此, 本文提出使用热红外图像的显著图来进行图像增强, 作为目标检测器的注意力机制, 并研究仅使用热红外图像和其显著图提高目标检测性能的方法. 此外, 针对无人机内存不足、算力有限的特点, 设计使用轻量化网络YOLOv3-MobileNetv2作为目标检测模型. 在实验中, 本文训练了YOLOv3网络作为检测的评价基准网络. 使用BASNet生成显著图, 通过通道替换和像素级加权融合两种方案将热红外图像与其对应的显著图进行融合增强, 比较了不同方案下YOLOv3-MobileNetv2模型的检测性能. 统计结果显示, 行人及车辆的平均精确度(Average precision, AP)相对于基准分别提升了6.7%和5.7%, 同时检测速度提升了60%, 模型大小降低了58%. 该算法模型为开拓无人机载热红外图像的应用领域提供了可靠的技术支撑.     

一种高效的基于局部特征的显著区域检测算法

图像特征提取是图像/视频检索问题的关键。研究人员发现,假如对整张图像或视频帧做特征提取,会产生大量的特征信息,从而影响图像/视频帧的匹配时间。由于人们通常只对图像中部分关键的区域感兴趣,因此在对图像做局部特征提取时可以先对图像进行显著区域检测,排除非关键区域上的特征信息,从而减低匹配所需的特征点数,提高匹配的处理速度。但是由于传统的显著区域检测算法计算复杂,会对图像特征提取过程产生额外的时间开销。提出一种快速的显著区域检测算法,根据局部特征提取算法特征检测阶段得到的特征点分布,利用最大子矩阵和算法,在损失较小的准确度的情况下快速检测出图像的显著区。     

基于双阈值滑动窗口子镜头分割和完全连通图的关键帧提取方法

随着多媒体技术的发展,当今工作和生活中的多媒体信息日渐丰富。如何通过分析海量视频快速有效地检索出有用信息成为一个日益严重的问题。为了解决上述问题,提出了一种基于双阈值滑动窗口 子镜头分割和完全连通图的关键帧提取方法。该方法采用基于双阈值的镜头分割算法,通过设置双阈值滑动窗口来判断镜头的突变边界和渐变边界,从而划分镜头;并采用基于滑动窗口的子镜头分割算法,通过给视频帧序列加一个滑动窗口,在窗口的范围内利用帧差来对镜头进行再划分,得到子镜头;此外,利用基于子镜头分割的关键帧提取算法,通过处理顶点为帧、边为帧差的完全连通图的方法来提取关键帧。实验结果表明,与其他方法相比,提出的方法平均精确率较高,并且平均关键帧数目较低,可以很好地提取视频的关键帧。     

基于显著图的红外弱小目标动态规划检测前跟踪算法

针对低信噪比复杂背景红外图像弱小目标检测虚警率高的问题,提出一种基于显著图的红外弱小目标动态规划检测前跟踪算法.该算法采用改进的局部区域差分算子提取显著图,根据注意力转移机制设计搜索策略,利用目标移动速度实时更新搜索范围,对多帧连续的显著图进行滤波跟踪,实现对红外图像弱小目标检测.实验结果表明,文中算法在对弱小目标进行有效检测的同时降低虚警率,提高了图像的检测效率.     

图像级别和像素级别的显著图像的融合

RGB-D图像显著目标检测旨在从一对RGB图像和深度图像中识别视觉上最显著的目标。目前,学术界已经提出了各种有效的单幅RGB-D图像显著性检测方法,而这些检测方法之间存在着优势互补。因此,对各种方法生成的显著图进行融合以提高显著性检测精度的研究工作同样不可或缺。在对相关显著图像融合工作研究后,提出两个级别上的融合过程。首先,运用多种现成的RGB-D显著图检测方法生成初始显著图;其次,分别对图像级和像素级两个层面上的显著图融合工作进行了研究,再将这两个层面上得到的显著图按比例进行融合,得到最终的图像显著图。实验结果表明,该显著图融合方法的效果不仅优于单个图像显著性检测方法,而且和其他的融合方法相比,也具有一定优势。     

基于移差扫描和窗口搜索的车牌定位方法

车牌定位一直是车牌自动识别系统的瓶颈问题。为了提高车牌定位的速度和准确率，提出一种简单、实用的车牌定位方法。该方法是针对汽车图像多水平纹理的特点，首先对图像进行水平移差、边缘锐化等预处理增强车牌区的纵向纹理，然后采用窗口搜索的方法找出车牌区，并结合车牌先验知识准确定位车牌。该方法对于在任何光照下，倾角小于15°的车牌图像进行实时定位均具有很好效果。     

一种基于显著区域的图像分割方法

提出了一种基于显著区域的图像分割方法.该方法首先根据自底向上的人类视觉注意模型计算出图像的综合显著图.以便反映出图像中各区域的重要程度;然后在此基础上,设计了两种分割算法,分别是基于1-D直方图最大熵法的区域分割和基于注意焦点的区域增长,其中注意焦点从显著图中得到;并结合显著图和分割图,以区域的平均显著度为依据提取显著...     

基于显著图加权视觉语言模型的图像分类方法

传统基于视觉语言模型( VLM)的图像分类方法在参数估计阶段,通常采用最大似然估计的方式统计视觉单词的分布,忽略了图像背景噪声对该模型参数估计的影响。为此,提出一种新的图像分类方法。利用基于视觉注意的显著性检测算法提取图像中的显著区域和背景区域,构建的图像带有显著图标识的视觉文档,训练视觉单词的显著度权重和条件概率,并使用显著图加权视觉语言模型进行图像分类。实验结果表明,与传统VLM等方法相比,该方法能有效克服图像背景噪声的影响,增强视觉单词的区分性,提高分类准确率。     

基于显著图与傅里叶描述子的交通标志检测

在交通标志检测过程中,存在标志尺寸变化、旋转失真、投影失真以及部分被遮挡等问题。为此,提出一种基于显著图和傅里叶描述子的交通标志检测算法。采用频率调谐方法得到显著图并将其二值化,初步定位交通标志区域。通过提取区域外层轮廓,利用轮廓周长和长宽比特征滤除干扰信息,对合格轮廓进行凸壳处理,得到归一化凸壳傅里叶描述子,并与标准数据对比得到检测结果。实验结果表明,该算法检测率可达95%以上,同时满足交通标志检测的实时性要求。     

无人机红外舰船目标分割

利用舰载无人机执行情报、侦察任务已经成为海上信息化作战中的重要手段。红外图像分割是无人机探测红外舰船目标特征提取、识别与跟踪的基础。针对红外图像普遍存在目标与背景对比度较低、目标边缘模糊和信噪比低等特点,提出了改进的基于局部熵过渡区提取的分割方法。实验结果表明,与一维和二维最大类间方差法的分割性能相比,该方法在满足实时性要求下可以获得良好的分割结果。     

基于视觉显著图的彩色图像检索

为提高图像检索效率,提出一种基于视觉显著图的彩色图像检索方法。利用视觉显著图去除原图中与检索任务无关的背景信息,保留用户感兴趣的图像区域信息,采用小波域的BDIP-BVLC方法提取图像特征,并引入二次查询度量策略进行距离度量。实验结果表明,与基于显著性加权的检索方法相比,该方法的平均查准率较高。     

基于互导滤波和显著性映射的红外可见光图像融合

为了解决传统多尺度红外可见光融合图像边缘模糊、对比度低和目标不显著的问题,提出一种基于互导滤波和显著性映射的红外可见光图像融合算法。由于互导滤波器能将图像一致结构和不一致结构分离并且具有尺度和保边意识,因此首先利用互导滤波器将原图像分解为具有冗余信息的结构层和不同尺度上具有互补信息的纹理层;其次根据过明或过暗区域更容易引起注意的视觉特点构造图像显著性映射函数对结构层和不同尺度的纹理层进行显著性映射;最后根据不同尺度的结构和纹理特性对图像进行融合重构。在两个数据集上的实验结果表明与传统的多尺度融合方法相比提出的方法在保持图像边缘、增强图像对比度、突出目标方面具有较好的主客观评价效果。     

基于类间蚂蚁竞争模型的显著图像分割算法

由于单类蚁群算法分割易造成欠分割或者过分割,提出基于类间蚂蚁竞争模型的显著图像分割算法。首先根据线性迭代聚类超像素分割算法(simple linear iterative clustering,SLIC)对图像进行预处理,在保留原始图像信息的前提下,将图像分割成各个区域,这样不仅可以提高分割精度得到理想的分割结果,还可以缩短运算时间。同时为了弥补单类蚂蚁分割易造成的欠分割或者过分割,引入两类蚂蚁,每一类蚂蚁寻找各自目标(前景/背景),不同类别的蚂蚁之间进行信息互补与竞争,使得分割结果更加准确。根据种群竞争思想,设定两类蚂蚁,每类蚂蚁设定食物目标不同,从而相互竞争,“优胜劣汰”,最终找到各自的食物,根据两类蚂蚁分泌的信息素竞争得到最终的结果。实验结果表明,该算法运行快速,分割结果更加精确。     

具有规则度约束的红外图像多层阈值分割方法

针对红外图像的噪声和模糊边缘给红外图像的分割和目标检测带来的困难,为了得到边缘连续的目标区域,提出了一种具有规则度约束的多层最佳阈值图像分割方法,在根据灰度对图像进行多阈值的初始分割的基础上,通过各个区域的规则度等参数对分割区域进行过滤处理,消除过分割区域,降低因为过度分割造成的目标识别困难,实验结果表明,该算法具有良好的效果和实用价值,不仅用于红外图像,也可以应用于自然光图像的分割。     

自组织映射与流形学习的图像显著度检测

提取反映图像内容的结点以及为这些结点分配初始标签,是半监督学习用于显著度检测的关键问题.通过自组织映射把图像分成多个结点,这些结点不但反映图像内容的颜色特征,还能够反映图像内容的轮廓特征.然后通过把二维结点图嵌入到高维的空间构造带权无向图.由于无向边的对称性,进一步采用流形学习的方法,把无向图和半监督学习结合起来,通过预设边界结点预期的显著度,最终计算出所有结点的显著度.实验结果表明,与近年提出的几种经典的显著度检测算法相比,所提出的方法取得了较好的Precision-Recall性能和较舒服的视觉效果.     

一种鲁棒的夜间图像显著性对象检测模型

基于人类视觉注意机制的显著性对象检测模型作为能主动感知图像中重要信息的有效方法,对探索视觉早期认知过程的大范围知觉信息组织具有重要意义.然而由于夜间图像具有低信噪比和低对比度特性,现有的视觉显著性对象检测模型在夜间场景中容易受到噪声干扰、弱纹理模糊等多方面因素的影响.有鉴于此,本文提出了一种基于区域协方差和全局搜索的夜间图像显著性对象检测方法.首先将输入图像分割为超像素块,并分别计算它们的协方差.然后使用超像素块协方差的差异性作为适应度函数,并结合全局搜索算法来优化各个超像素块的显著值.最后通过图扩散方法来精炼显著图结果.实验测试采用了5个公开图像数据集和1个夜间图像数据集,通过与11种目前主流的视觉显著性对象检测模型进行对比,综合评价了本文所提出模型的性能.     

对偶分布匹配的图像分割算法

针对传统局部一致性方法的缺点,在研究全局一致性方法的基础上,提出一种对偶分布匹配(Dual Distribution Matching,即DDM)的图像分割算法.该算法首先将前景和背景的概率分布作为输入分布,构造出前景和背景的对偶匹配模型,该模型描述两个输入分布和分割结果的相似度,然后利用整幅图像的分布来确定模型的权重参数,从而求解能量函数ε(L)的全局最小化的真解L*,最后利用基于Bhattacharyya的图分割(Bhattacharyya Measure Graph Cut,BMGC)的辅助函数完成能量函数ε(L)的优化,不断更新辅助标记La,Lb收敛于真实标记L*.实验表明在输入分布不够精确的情况下,该算法具有较好的准确性和稳定性.     

快速注意力选择计算及其在图像质量评价中的应用

针对现有的模拟视觉注意力选择模型计算复杂度高、参数选取困难的问题,提出一种快速的频率域算法.将各频点上的幅度设为同一常数,保留其相位信息;对反变换到空间域的图像滤波后,得到视觉注意力显著图,其效果与现有的模型相似;并将显著图信息作为权重加入到几种主要的图像质量评价标准中.实验结果表明:带有注意力选择的图像质量评价标准更接近于人的主观评价,便于实时应用.     

应用多尺度三维图搜索的SD-OCT图像层分割方法

频谱域光学相干层析技术(SD-OCT)是一种广泛应用于眼科领域的成像技术,视网膜组织层分割对视网膜疾病诊断起着至关重要的作用。传统的三维图搜索方法能够同时分割k(k≥1)个三维面,但其存在时间复杂度高、分割病变图像鲁棒性弱等问题。在传统三维图搜索模型的基础上引入多尺度思想,提出应用多尺度三维图搜索的SD-OCT视网膜图像分割方法。首先根据每个组织层的特点,为每层构造一个合理的顶点权重;然后利用相邻列的最大与最小高度差构造列约束限制,改进表面的平滑约束条件;最后利用低尺度的图像,应用三维图搜索方法进行粗分割,逐步向高一尺度应用三维图搜索方法进行单表面细分割。使用改进算法对3组正常眼睛及1组老年黄斑变性视网膜图像进行分割,并将结果与手动分割及传统三维图搜索方法进行比较,实验结果表明,改进算法能够准确有效地分割出3个层边界(边界位置绝对误差是3.86±2.50μm),并且接近于手动分割结果(3.78±2.76μm),优于传统三维图搜索方法(7.92±3.31μm)。