频域多尺度图像显著区域提取方法

针对显著区域提取算法中不能保留图像边缘及内部细节不充实等问题,提出一种基于频域的多尺度提取方法。对图像在不同分辨率尺度下进行傅里叶变换并计算剩余频谱,以此去除冗余得到显著信息,经反变化归一化得到显著图像。仿真实验结果表明所提出方法可行有效,具有良好的视觉效果,在保留显著区域边缘的同时能均匀突出整个显著目标,在受试者工作特性曲线下面积(ROC)评价方法上也取得了较好的实验结果。     

一种基于形状特征的高分辨率影像飞机提取方法

针对飞机形状特点,提出一种基于面向对象分析形状特征的高分辨率遥感影像飞机提取方法.首先通过区域增长的影像分割方法获得备选对象,从对象的质心和主轴方向出发建立象限划分,根据各象限像素分布直方图计算飞机形状特征因子.利用飞机形状特征因子,结合光谱灰度值,采用简单的阈值提取即可有效地提取飞机.实验证明该方法具有较好的鲁棒性和适应性.     

一种基于颜色特征的感兴趣目标提取方法

针对现有的感兴趣区域(ROI)提取方法边缘不清晰、区域不完整等问题,提出一种ROI提取方法.首先采用颜色局部特征的信息量大小衡量兴趣度的大小,然后融合颜色特征信息量图获得图像的显著图(SM),再进行阈值分割,得到显著值大的区域,即ROI.实验结果表明,该方法能有效地提取出感兴趣的对象,SM中目标区域的显著值均匀、边缘清晰;与人工标记的ROI比较,该方法召回率为79.71％,精度为78.53％,优于已有的ROI提取方法.     

一种基于整体区域特征的地面飞机识别方法

在遥感图像处理过程中,目前地面目标识别绝大多数采用基于图像分割的方法。这些方法在图像可以较好分割和二值化时可以得到比较理想的效果。但是在处理过程中,有时难以得到理想的分割结果,这必定会影响最终的处理结果。因此,提出一种不需要进行图像分割,而是基于图像整体特征的大型地面飞机识别方法。对飞机先验数据进行分析学习,利用高频信息增强的Gabor滤波器的滤波结果,与经过学习得到的先验数据进行相似性对比进行识别。通过实验对方法进行了验证。     

一种基于频域特征的仿射不变目标识别方法

针对低信噪比图像中仿射不变目标的识别问题,提出了一种基于图像频域特征的识别方法.通过分析空频域仿射变换之间的关系,采取对边缘图像的傅氏频谱进行伪对数采样的特征提取方法,较好地提取了中低频特征,避免了光照变化带来的不利影响,抑制了高频噪声;使用神经网络进行识别,有效地提取了目标的仿射不变特征,识别速度快.实验仿真了识别率随噪声强度的变化情况.结果显示,在信噪比低于-20 dB时,识别率仍然高于90%,识别快速、稳定,优于基于Gabor滤波的识别方法.     

一种ISAR图像中飞机目标识别的新特征

在逆合成孔径雷达(ISAR)图像飞机目标的识别中,传统的特征是ISAR图像的低频傅里叶系数、几何不变矩、形状特征和能量特征等,但上述特征都没有考虑ISAR的纹理。为此,引入一种新特征用于ISAR图像中飞机目标的识别,即提取ISAR的LBP特征来描述图像的纹理,用k近邻分类器进行分类。实验结果表明,该方法达到98.7%的识别率,表明该特征的有效性。     

一种图像显著区域的提取方法

图像的显著区域能代表图像的主要内容,提取图像的显著区域在图像检索、敏感图像识别等方面有重要的作用。结合多尺度分析先提取图像的显著图,而后在显著图的基础上根据经验阈值对事先的分割区域进行判断取舍,最后根据取舍结果来确定图像的显著区域,取得了良好的效果。与具有代表性的Itti方法相比易于实现,速度快。     

显著图和多特征结合的遥感图像飞机目标识别

目的 遥感图像飞机目标的检测与识别是近年来国内外研究的热点之一。传统的飞机目标识别算法一般是先通过目标分割,然后提取不变特征进行训练来完成目标的识别。在干扰较少的情况下,传统算法的识别效果较好。但遥感图像存在着大量的干扰因素,如光照变化、复杂背景及噪声等,因此传统算法识别精度较低,耗时量较大。为快速、准确识别遥感图像中飞机目标,提出一种基于显著图和全局特征、局部特征结合的飞机目标识别算法。方法 首先使用改进的Itti显著算法提取遥感图像中的显著目标;接着使用基于区域增长和线标记算法寻找连通区域来确定候选目标的数量和位置;然后提取MSA（multi-scale autoconvolution）、Pseudo-Zernike矩和Harris-Laplace特征描述子,并使用标准差和均值的比值来评估特征的稳定性,再把提取的特征结合成特征向量;最后应用支持向量机的方法完成对候选目标的识别。结果 实验结果表明,本文算法检测率和识别率分别为97.2%和94.9%,均高于现有算法,并且耗时少,虚警率低（为0.03）,对噪声干扰、背景影响以及光照变化和仿射变化均具有良好的鲁棒性。结论 本文算法使用了图像的3种特征信息,包括MSA、Pseudo-Zernike矩和Harris-Laplace特征描述子,有效克服单一特征的缺点,提高了遥感图像飞机目标的识别率和抗干扰能力。     

基于多属性特征聚类的阵列目标识别

提出一种有效的遥感图像阵列目标识别方法,不仅利用空间属性特征,而且通过设计Gabor滤波器组提取子目标的非空间属性特征。在对子目标进行聚类时,根据图划分理论给出一种迭代提取样本中相似样本群的方法,实现子目标群的提取。实验结果表明,通过加入非空间属性特征和采用迭代提取样本中相似样本群的方法,可以有效地排除大量虚假子目标并精确定位阵列目标。     

一种新的融合颜色和空间信息的目标提取方法

对于目标中带孔或目标局部区域颜色与背景相似的图像,单独利用颜色特征或空间信息易产生过分割和欠分割问题。提出一种颜色和空间信息相结合的目标提取算法。首先对原彩色图像进行并行处理,一方面通过颜色特征提取目标的大致区域;另一方面利用灰度信息提取连续边缘。然后,利用空间信息进行目标轮廓匹配。最后,对初始提取的目标区域进行区域合并,得到最终的目标区域。测试结果证明了该算法的正确性和高效性,具有实用价值。     

一种新的基于Gabor小波的目标跟踪方法

针对利用Gabor小波进行目标特征点识别的过程中所选取的参数序列过多的问题,给出了一种新的参数选取方法。该方法利用Gabor多尺度参数,配合权重函数,通过能量函数计算出相应的方向参数,构成图像的特征点集合。这样得到的特征点集合,不但充分利用了Gabor小波变换中的尺度参数的特性,而且通过配合以特征点粗匹配算法,大大减轻了特征点序列过多所造成的算法耗时问题。仿真和实验表明,算法可广泛应用于各种图像目标识别与跟踪的系统中,具有良好的图像目标识别能力。     

一种基于时频域特征融合的语音增强方法

为充分利用含噪语音特征来提升深度神经网络的语音增强性能,提出一种融合时频域特征的语音增强方法.以含噪语音的波形和纯净语音的对数功率谱分别作为训练特征和训练目标,获取含噪语音时域特征到纯净语音频域特征的映射关系.将含噪语音的波形和对数功率谱共同作为训练特征,构建融合含噪语音时域和频域特征的深度神经网络实现语音增强.实验结...     

基于频域与空间域分析的显著区域检测算法

显著区域检测对于多种计算机视觉应用有所帮助,如图像分割、目标识别、图像检索及自适应压缩。为此,提出一个基于频域与空间域分析的显著区域检测算法。通过拥有不同尺寸窗口的中值滤波器对不显著的区域进行抑制,根据空间信息选择最佳的显著图。与 5个经典算法的比较实验结果表明,利用该算法得到的显著图既去除了背景,又突出了整个显著物体。     

一种SAR图像稳健特征点提取方法

针对合成孔径雷达(SAR)图像自动配准问题,提出了一种新的SAR图像特征点提取方法.先对SAR图像灰度值进行对数变换处理,将乘性噪声转化为加性噪声,然后利用Gabor滤波器取代高斯滤波器建立尺度空间,使SAR图像在低尺度仍较好地保留细节,增加了提取特征点数目,并设置了对比度双门限,有效地抑制了伪特征点,从而提高SAR图像配准的精度和速度.实验结果表明,SAR图像稳健特征点提取方法是有效的.     

基于矩特征的三维飞机目标识别

利用矩特征可以从二维图像识别三维目标,４阶矩的图像峰值反映了目标的形状,为了使它具有平移、比例和旋转不变性,作者对其进行了归一化处理。文中将未修正的不变矩、修正的不变矩及归一化的４阶矩用于三维飞机目标识别,仿真结果表明归一化的４阶矩和修正的正的不变矩可有效地用于三维目标的识别。     

一种新的基于局部轮廓特征的目标检测方法

针对复杂场景中背景复杂、目标周围噪声多及目标只占图像中较小部分而难于检测的问题,提出一种新的基于局部轮廓特征的检测目标方法.该方法首先利用改进的全局概率边界算法 (Globalized probability of boundary, gPb) 算法提取图像的轮廓,然后应用最大类间方差法 (Otsu)进行自动阈值处理得到图像的显著性轮廓; 再提取显著性轮廓的k邻近大致直线轮廓段(k connected roughly straight contour segments, kAS),并以kAS作为局部特征,用于复杂场景中的目标检测.该算法结合 gPb 算法和 Otsu 提取轮廓的显著性轮廓,去除了目标附近的大量噪声边界,有效地提高了检测效率.同时,在检测阶段,测试集与 训练集中提取的不相关特征数目也得到较大减少,从而提高了检测的精度.多组实验结果均表明本文方法的有效性.     

一种基于视觉注意的小目标检测方法

为了方便而快速地在图像中标出目标,提出了一种基于视觉注意的小目标检测方法。该方法对Itti通用视觉注意计算模型作了改进,将目标检测过程分为亮目标检测和暗目标检测。其中亮目标检测采用了简化的Itti模型,暗目标检测主要采用侧抑制网络模型,将亮目标检测与暗目标检测各自生成的显著图合成得到最终的显著图。通过设定一阈值得到图像的预注意区域,采用模糊C-均值算法进行图像分割,以便相对完整地标出每个目标。结果表明,算法能够有效地检测待检测目标。     

增强特征金字塔结构的显著目标检测算法

显著目标检测是计算机视觉的研究热点。显著目标检测算法存在一些问题,如：算法常采用单一损失函数,缺乏对多维特征损失的考虑,可能带来局限性;最高层特征图来源单一;特征图融合常使用对应像素相加,不能有效突出图像中感兴趣区域。针对上述问题,结合结构性相似、交并比和交叉熵三种损失函数来捕捉图像细节,采用对应像素相乘操作融合特征图,令模型对显著区域更加敏感;通过残差特征图增强模块逆向构建更高层特征图强化其语义信息;采用特征金字塔结构融合不同尺度信息,完成编码解码模块。在5个数据集的对比实验表明该方法性能超过主流算法,能实现有效的显著目标检测。     

融合空时显著性的运动目标检测方法

针对视频中显著性的运动目标检测问题,为解决显著性在运动目标检测中存在空时显著性简单融合和忽略时间显著性的问题,提出一种用人类视觉特性的运动目标检测方法.改进方法以提取的图像空间特征为基础,生成空间显著图,利用核密度估计,计算时间显著图;对空间显著性和时间显著性进行所占权重的计算,根据所计算的权值进行空间、时间显著图融合,生成空时显著图,得到检测出的运动目标.实验结果表明,改进方法能准确、快速地检测出运动目标,减少计算时间,提高检测目标的准确率.     

Gabor滤波器组实现颅脑图像的边缘快速提取

在医学图像处理过程中,针对一般方法提取颅脑图像边缘不是很清晰的情况,提出了一种基于短时傅立叶变换的新的Gabor滤波方法。该方法通过选取一组能够覆盖整个频域的滤波器,分别提取图像的局部边缘信息,然后按照一定的规则将提取出局部信息的多幅图像整合成一幅图像。普通Gabor滤波计算量较大,耗时较长,而该文所述方法能显著地减少运算量。并且相对于其他几种滤波方法也表现出定位准确,检测效果明显,以及鲁棒性较好的特点。