共查询到20条相似文献,搜索用时 0 毫秒
1.
2.
3.
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. 相似文献
4.
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。 相似文献
5.
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. 相似文献
6.
7.
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。 相似文献
8.
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。 相似文献
9.
10.
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。 相似文献
11.
12.
13.
14.
15.
16.
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. 相似文献
17.
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。 相似文献
18.
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。 相似文献
19.
20.
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。 相似文献