标准正则化理论的一些推广和应用

在标准正则化理论中建议一类局部相互作用场和自适应正则项。局部相互作用场包括通常的误差项和一窗口函数。窗口的大小，取向和形状可以视具体的应用加以调整。自适应正则项用来处理不连续变化。这两项导致一对称的能量泛函。最简单的梯度下降算法通常在参数变化和有噪声时也很稳定，有效。     

基于视觉和粗糙集理论的跟踪系统研究

在分析粗糙集理论的基础上,研究了基于视觉和粗糙集的特定目标检测和跟踪技术.提出了一种基于RGB和HSV两种色彩系统混合实现图像分割,然后采用基于粗糙集理论的控制决策策略,通过实施约简处理得到最小决策规则表指导摄像机实现对目标跟踪的方法.实验结果表明基于该方法的视觉系统具有高效性和鲁棒性.     

视觉信息处理的计算理论

本文介绍 D.Marr 的视觉计算理论。着重论述该理论的特点,主要内容包括视觉信息处理的三个描述水平和计算理论的三级表象结构。目的是要阐明如何从图像中抽提三维物体的形状信息,识别三维几何形状。我们分析了这一理论的意义,同时提出了我们的一些初步设想。     

改进视皮层视觉机制的视觉注意力模型

人类的视觉注意机制是人类大脑感知事物的最直接的功能。提出了一种基于视皮层视觉机制的生物激励注意模型。利用HMAX(hierarchical maximization)模型的四层机制中的C1细胞单元图,构造独立成分分析(independent component analysis,ICA)滤波器组,进一步利用对尺度、平移等均具有不变性的C2细胞特征,以及香农熵理论,共同构造用于视觉显著性区域检测的测度。在心理学实验的自然场景图像以及心理学刺激模式上的结果表明,该方法与传统方法相比,更符合人眼的感知特性,从而进一步验证了该方法的有效性和准确性。     

基于贝叶斯理论和统计学习的视觉显著性检测

图像处理技术依赖于高质量的视觉显著图才能获得较好的处理结果,现有的视觉显著性检测方法通常只能检测得到粗糙的视觉显著性属性图,严重影响了图像处理的最终效果。为此,提出一种采用贝叶斯理论和统计学习的视觉显著性检测方法来检测图像的视觉显著性属性。该方法基于贝叶斯理论的静态图像的自上而下的显著性和整体显著性,将自上而下的知识和由下向上的显著性进行结合针对特征整合问题,利用线性模型的加权线性组合方法和正规化神经网络相结合的非线性加权方法来研究与所有因素相关的权值参数。根据自下而上的视觉显著性模型在两个标准数据集中采用ROC曲线来进行定量评价,结果表明非线性组合效果优于线性组合。     

基于视觉和情感特征模型的图像概率检索

基于内容的图像检索在很多领域都有广泛的应用.传统方法通常提取图片的底层视觉特征,如颜色、纹理和形状等,进行在视觉特征空间下的相似查询.然而,这些视觉特征无法表达图片需要传递的情感和概念信息.提出一种基于视觉和主观特征的统一图像概率检索方法.具体来说,图片通过三种类型特征(视觉特征、风格特征和情感特征等)来表达.通过线性加权得到图片间的统一相似距离,其中权重参数通过多元回归得到.不同于常规图像检索方法,只采用视觉相拟度作为查询的相似尺度,该方法允许用户选择三种特征作为查询元素,而且,通过引入概率模型实现对检索结果进行一定置信度保证的进一步细化.实验表明该检索方法及其索引的有效性.     

基于视觉模型和整数余弦变换的数字水印算法

通过引入整数余弦变换与Hash函数方法相结合,在视觉模型框架下提出了一种新的数字水印算法。整数变换的引入,提高了运算速度和图像质量;视觉模型引入,使得水印算法抗JPEG压缩以及其他图像处理方法能力强。该水印方案加密方法符合公开密码体制,具有高度安全特性。     

结合ORB特征和色彩模型的视觉跟踪算法

为解决CAMShift算法在色彩相似背景下跟踪失效的问题,提出一种结合ORB特征点和目标色彩模型的视觉跟踪算法。运用ORB特征匹配检测目标的初始位置,提出自适应的色彩分割阈值算法以提高目标的色彩模型精度,并在跟踪过程中通过ORB特征点包含信息对搜索窗口进行修正。然后对目标的丢失增加判断方法,并且建立迭代更新的特征模板用于重新定位丢失目标。实验结果证明,与CAMShift算法和基于特征提取的同类改进算法相比,该算法在目标快速运动场景下的跟踪具有较好的鲁棒性,能够对错误的跟踪结果进行判断并修正,并在计算效率上得到较大的提升。     

基于混合视觉皮层模型的红外图像去噪和分割

针对交叉视觉皮层模型(ICM)网络运行速度慢的问题,提出一种用于图像处理的混合视觉皮层模型(MCM)。MCM将人眼视觉现象中的韦伯律特性融入ICM,根据韦伯律特性设定神经元点火域值,采用金字塔分解式的运算方法扩大神经元的感受野,并利用ICM的脉冲同步发放性质,实现快速图像处理。基于MCM开发红外图像的去噪算法及红外图像分割算法,实验结果表明,与基于ICM的图像去噪和分割算法相比,基于MCM的算法具有良好的去噪和分割效果,运行速度较快。     

基于Stentiford视觉模型的改进

基于视觉模型的图像感兴趣区提取方法,在图像感兴趣区域提取领域,有着得天独厚的优势：首先,它贴合人眼视觉效果,因此可以较为准确地表示视觉的真实“意图”;其次,方法过程便于实现,处理效率比较高。基于Stentifold视觉模型的方法因其实现简单且效果显著而成为其中的众多代表之一,但其也存在结果随机性过大,对细节过于敏感,计算耗时的缺点。为此,尝试通过直方图统计、均匀局部二值模式（uniform LBP）结合的方法,对其进行改进,并取得了理想的效果。     

计算机视觉的理论框架研究

1.引言计算机视觉是计算机科学和人工智能的一个重要分支,它是工业生产自动化、机器人智能化、自主车导航、目标跟踪以及工业检测、医疗和军事应用的核心,也是实现机器智能及第五代计算机的关键因素之一。计算机视觉的研究目的和内容有两个方面,一是用计算机部分实现人类视觉的功能;二是理解人类视觉机理。此二方面使计算机视觉的研究既带有基础性,又有很强的应用特征和工程性质。就人类视觉而言,其功能集中于识别与理解周围环境内对象物坐标、物体间相对位置及颜色等。仿人类视觉机制,利用计算机实现从二维或系列图象中构造、理解三维世界模型的功能就称之为计算机视觉。由此亦知,计算机视觉是一综合性学科,它涉及图象处理、模式识别、图象理解、计算机科学等诸多领域。     

视觉注意模型研究方法

随着信息技术不断的发展,处理的数据不断增加多,用户对信息处理的效率和准确性要求越来越高,如何选择合适的机器人视觉注意模型电能质量算法已经成为目前研究的热点,本文介绍了视觉注意模型的相关理论,阐述了其对计算机视觉的重要意义。     

视觉选择性注意计算模型

提出一种用于智能机器人的视觉注意计算模型．受生物学启发,该模型模仿人类自下而上和自上而下 两种视觉选择性注意过程．通过提取输入图像的多尺度下的多个底层特征,在频域分析各特征图的幅度谱,在空域 构造相应的特征显著图．根据显著图,计算出注意焦点的位置和注意区域的大小,结合给定的任务在各注意焦点之 间进行视觉转移．在多幅自然图像上进行实验,并给出相应的实验结果、定性和定量分析．实验结果与人类视觉注 意结果一致,表明该计算模型在注意效果、运算速度等方面有效．     

视网膜假体视觉信息处理模型

视觉假体方案是神经工程领域用于部分或完全恢复视觉的主要手段,建立生物视网膜模型,并仿真其视觉信息处理功能,是视网膜假体研究中的一个重要组成部分.从已知的生理机制出发,提出两层结构的视网膜信息处理模型:外网状层(Out Plexiform Layer,OPL)信息提取和内网状层(Inner Plexiform Layer,IPL)信息编码,通过时空滤波、静态非线性调整和泊松峰电位产生,建立输入刺激图像和输出峰电位序列之间的直接关系,并在 MATLAB 平台上结合其图形模块进行仿真研究,得到了与内、外网状层处理结果对应的边缘轮廓图像和携带视觉信息的峰电位序列,为视网膜假体研究提供了一种理论上的可行性模型.     

视觉认知计算模型综述

视觉认知计算模型作为联系视觉认知和信息计算的有效手段,其研究涉及到认知科学、信息科学等多个交叉学科,具有复杂性和多样性等特点。为能更好地把握其发展规律,文中从视觉计算角度系统总结视觉认知计算模型,以其两个主要来源为主线分别从生物视觉机制和视觉计算理论回顾视觉认知计算模型的发展。根据其研究的特点,对视觉认知计算模型的发展做出一定评述,并指出视觉认知计算模型的发展必将对计算视觉理论和生物视觉机制产生深远影响。     

基于混沌特性和视觉模型的小波数字水印算法研究

为了提高水印信息的隐蔽性和安全性，基于混沌序列的优良特性和人眼视觉系统模型，提出了一种用于图像数字水印嵌入和检测的算法。首先利用小波变换对图像进行多级分解，然后结合混沌序列的白噪声统计特性和人眼视觉对比度敏感性函数(CSF)，将混沌水印信号嵌入到从低分辨率到高分辨率的高频子带中对图像视觉影响较大的小波系数中，最后通过逆小波变换产生嵌入水印的图像。由于混沌序列对初值具有敏感性。攻击者很难从一段有限长度的序列推断出整个混沌序列的初始条件，因此可保证水印信息的安全性。同时算法结合了人眼视觉模型，有效地保护了图像的低频部分和强边缘部分。从而确保了加密图像的视觉效果。实验结果表明，嵌入水印后的图像具有很好的不可见性，同时对常见的信号处理和噪声干扰具有较好的鲁棒性。     

基于视觉注意模型和HMM的足球视频语义分析

HMM模型具有良好的适应性,可以自动学习,对预测随机时序数据性能良好。场景是足球视频的基本特征,场景的转换体现了足球视频的摄制、编辑模式,表现了足球视频的语义。提出了一种基于场景分析和HMM的视频语义分析框架,用于识别足球视频中的一些语义事件。为了克服以往基于主颜色和其他底层特征的视频场景分析中存在的较大误差,又提出基于视觉注意模型对足球视频中的场景进行分析。实验结果表明,基于场景分析和HMM的事件识别方法对足球视频中的任意球事件有良好的识别效果     

基于能量泛函和视觉特性的全变分图像降噪模型

目的 基于能量泛函的全变分图像复原模型(ROF)为偏微分方程在图像处理上的应用开辟了一个新的研究领域。针对ROF模型存在的缺陷,很多学者提出了改进的模型和算法,并取得了一定的效果。基于能量泛函和视觉特性提出一种全变分图像降噪模型。方法 首先利用偏微分方程比较原理证明了该模型解的整体存在性,并利用变分原理给出了该模型的Euler-Lagrange方程;在数值计算时,选用人工时间演算法和有限差分方法,对数值近似解的离散形式进行了图像降噪matlab实验;最后利用峰值信噪比和平均结构相似度两个指标进行了降噪质量评价。结果 从实验数据上来分析,本文的模型在峰值信噪比上都有0.5~1 dB的提高,结构相似度有0.05~0.3的改进。结论 从降噪效果上分析,基于能量泛函和视觉特性的全变分图像降噪模型能够在降噪的同时,保持良好的边缘和纹理特征,优于其他改进的全变分降噪模型。