一种改进的显著区域提取模型

图像的显著区域代表的是图像的主要内容,提取显著区域在图像检索、压缩、识别等方面有重要的应用。基于Itti模型提出一种改进的模型来提取图像的显著区域,即分别提取原始图像的亮度、颜色、方向、形状四个特征,并将这四个特征的多尺度图像特征合并成一幅总的显著图;在图像方向特征提取中采用倒数函数来代替Gabor特征函数,使得方向特征图更加完善。该模型与经典的Itti模型相比较,提取出的显著图更为明显,速度较快且易于实现。     

一种图像的感兴趣区域提取方法

感兴趣区域(Region of interests,ROI)是图像中可能引起人眼视觉关注的区域。根据视觉注意机制的经典模型Itti模型来提取图像的低层特征,利用局部迭代的特征合并策略并在此基础上综合自动阈值分割和种子点的区域生长方法得到感兴趣区域的提取方法。实验结果表明该方法符合生物的视觉注意机制,具有良好的鲁棒性。     

一种基于ROI的红外舰船目标定位方法

提出了一种基于感兴趣区域ROI（Regions of Interest）的红外舰船目标定位方法,通过改进的Itti模型提取包含目标的感兴趣区域,实现目标定位。首先应用小波变换代替Itti模型的高斯滤波生成图像多尺度金字塔,并用center-surround算子提取多尺度的视觉差异,再将生成的视觉特征图进行归一化并线性组合,生成显著图,最后运用交替式有效子窗口搜索算法 A-ESS （Alternating Efficient Subwindow Search）定位目标区域。实验结果表明：该方法能准确定位出目标区域。     

一种基于视觉显著图的舰船红外图像目标检测方法

提出了一种基于视觉显著图的红外舰船目标定位方法,即通过改进的Itti模型生成视觉显著图,并基于视觉显著图分割出目标区域,从而实现目标检测。先用小波变换替代Itti模型中的高斯滤波来生成图像多尺度金字塔,然后用center—surround算子提取出多尺度的视觉差异特征,并对生成的视觉特征图进行合成,生成显著图。最后,利用阈值分割方法分割出目标区域,并对原始图像进行标记,从而实现目标检测。实验结果表明,与传统的Otsu阈值分割方法相比,该方法能够准确检测出目标区域。     

基于边缘检测的显著区域提取方法

多年以来,众多专家学者建立了诸多模型来模拟人的视觉选择性注意机制,其中最具影响力的当属Itti模型,但其存在着显著区域漏检测及显著区域范围是固定形状的问题。文章基于人眼对物体的轮廓形状信息的感知能力,提出了一种改进型的显著区域提取方法,在原Itti模型基础上加入轮廓特征。本方法与原Itti模型相比较,能够改善其显著性区域的提取效果并且能够较准确的实现显著区域的分割。     

基于视觉注意机制的人脸区域预检测

为了快速搜索图像中的人脸区域,依据人类视觉系统的特点,引入Itti模型,提出了一种基于肤色特征和方向特征的人脸区域预检测注意力模型,并应用于复杂背景下彩色图像的人脸区域预检测.首先把图像从RGB空间转换到HSI空间,利用肤色在色度空间的聚散性,采用Gaussian金字塔和center-surround算子获取肤色和方向特征的多尺度视觉差异,通过这2个不同特征图的规格化和线性融合获得综合的显著图,由显著图地址转换成图像坐标找出原图中的人脸区域.实验结果表明,该方法能有效检测出人脸区域,且检测速度快,为后续的处理和分析提供了良好的基础.     

一种权值可发育的视觉选择性注意模型研究

针对Itti视觉选择性注意模型不具有子特征图显著图归一化过程中权值随任务改变而改变的问题,借鉴自主发育在视觉选择性注意学习的研究成果,提出一种权值可发育视觉选择性注意模型作为图像特征提取的学习机制。该算法采用三层自组织神经网络和Itti视觉选择性注意模型相结合的决策进行寻优,通过对模型的训练学习获取最优权值更新。这样既可以保证在初期特征提取内容的完整性,又降低了系统对不同任务条件的约束性,提高了模型特征提取能力。利用权值可发育视觉选择性注意模型对图像进行感兴趣区域特征提取实验,结果表明,该方法能够提高特征提取准确性、减少运算时间,获得了良好的动态性能。     

一种基于RGB颜色空间和随机矩形区域的显著性检测方法

提出了一种基于RGB颜色空间和随机矩形区域的显著性检测方法.该方法以R、G、B作为图像特征,然后随机产生不同位置和大小的矩形区域,并统计每个矩形区域内各像素特征值与该区域的特征均值之间的距离,再综合所有矩形区域和所有特征得到最终的显著图.因不需进行颜色空间转换,可大幅减少计算时间;同时,RGB颜色空间三通道的亮度变化比较一致,使得在特征融合时能够充分利用所有特征的信息,因而取得了更好的检测效果.实验结果表明该方法能更快速、更有效地检测出图像中的显著性区域.     

一种改进的频率调谐显著性检测方法

图像中的显著性区域检测有利于图像分割、目标检测和识别等计算机视觉任务。通过分析频率调谐显著性检测方法的不足,提出了一种改进的频率调谐法。该方法将各颜色分量所对应的显著性值进行归一化处理,然后再线性组合得到最终的显著图。实验结果表明该方法能够有效检测出图像中的显著性区域,并提升了频率调谐法的检测性能。     

一种基于视觉注意机制的感知物体提取算法

针对图像中感知物体提取问题,借鉴认知学对视觉信息表达的研究成果,提出一种感知物体的数学定义,并由视觉注意计算模型得到的视觉注意显著图选择区域增长算法的种子区域。建立图像中感知物体的马尔可夫随机场模型,通过度量图像中感知物体的显著性、边缘和同质性分布情况,最小化能量函数提取出图像中的感知物体。对含有飞机的图像中感知物体的提取实验,验证了提出算法的有效性、以及在认知上的合理性。     

稀疏表示下的非监督显著对象提取

针对现有显著对象提取算法时间复杂度高和未考虑显著对象的完整性等问题,提出了一种能适应资源有限环境的显著对象提取算法.首先建立了稀疏表示的数学模型,归纳出了显著对象与稀疏表示的对应关系、区域间的边能近似模式和邻接区域间的渐变模式.然后依据对应关系确定候选区域,依据渐变模式和边能近似模式实现显著对象的局部提取.对比实验证实:本文算法高速、精确地捕捉到了显著对象,并能在一定条件下保持显著对象的完整性.     

基于显著性目标检测的改进火焰检测算法

针对靶场炮弹定位方法定位精度差、实时性差且存在安全隐患等问题,提出了一种基于显著性目标检测的炮弹火焰检测算法.首先针对数据集缺失问题,构建了一个炮弹火焰数据集,用于网络模型训练和推理.其次,采用并列交叉的双分支ResNet为特征提取模块,分别学习前景和背景语义信息,并在该模块中引入空洞卷积和注意力机制网络,提高感受野的...     

一种基于图的流形排序的显著性目标检测改进方法

该文针对现有的基于图的流形排序的显著性目标检测方法中仅使用k-正则图刻画各个节点的空间连接性的不足以及先验背景假设过于理想化的缺陷,提出一种改进的方法,旨在保持高查全率的同时,提高准确率。在构造图模型时,先采用仿射传播聚类将各超像素(节点)自适应地划分为不同的颜色类,在传统的k-正则图的基础上,将属于同一颜色类且空间上位于同一连通区域的各个节点也连接在一起;而在选取背景种子点时,根据边界连接性赋予位于图像边界的超像素不同的背景权重,采用图割方法筛选出真正的背景种子点;最后,采用经典的流形排序算法计算显著性。在常用的MSRA-1000和复杂的SOD数据库上同7种流行算法的4种量化评价指标的实验对比证明了所提改进算法的有效性和优越性。     

改进的RF-LDMOS小信号模型参数提取方法

准确地提取RF-LDMOS小信号模型参数对LDMOS大信号模型建模十分重要,而且好的小信号模型能很好地反映微波器件的性能。针对LDMOS提出了一种改进的小信号模型参数提取方法,此方法增加了测试结构的建模和参数提取,极大地方便了S参数曲线的拟合,而且对于测试版图的研究有一定的指导意义。由此方法提取的小信号模型与实验测试数据在0.1～8 GHz拟合的很好,并且准确地预测了器件的特征频率。该模型和方法能够很好的适用于LDMOS的L,S波段小信号建模和参数提取。     

基于显著区域提取的红外图像舰船目标检测

针对复杂海面背景下红外图像舰船目标由于灰度不均匀、海杂波干扰大等因素造成的自动检测虚警率高、准确率低的问题,提出了一种显著区域提取和目标精确分割相结合的红外舰船目标检测方法。首先,利用基于图论的视觉显著性(Graph-based Visual Saliency ,GBVS)模型计算待检测图像的显著图,使得目标区域信息增强;其次,结合舰船目标先验信息（长短轴、面积等）,利用多级阈值划分算法提取关注的显著区域,并确定原图中候选目标区域;最后,利用空间约束模糊C均值(Fuzzy C-Means,FCM)算法对候选区域进行分割,结合目标先验知识对分割区域筛选并输出目标位置。所提方法在公开数据集IRShips上与相关方法进行比较,结果表明,相比直接进行全图目标搜索的方法,所提方法不仅准确率高、执行速度快,且检测目标的位置更加精确。     

用改进的遗传算法提取PIN光探测器模型参数

光探测器是光电集成电路接收机的重要组成部分,成功提取光电探测器等效模型电路的参数将会对光电集成的研究起到重要作用.将改进的遗传算法用于PIN光探测器小信号等效电路模型参数的提取和优化中,实现PIN光探测器S21、S22参数的测量值与模拟值拟合.改进后的遗传算法自动优化了遗传、杂交和变异算子,节省了寻找最佳遗传、杂交和变异概率的时间,提高了参数提取的速度.     

用改进的遗传算法精确提取GaAs MESFET小信号等效电路参数

提出了一种改进的遗传算法 ,应用于提取 Ga As MESFET小信号等效电路参数 .改进的算法采用浮点编码连续突变 ,多种遗传操作合作运行 ,并应用子代优化策略克服了传统遗传算法可能出现的种群退化现象 ,该算法可快速搜索到全局最优解而不受初始值限制 .在 0 .1～ 1 0 GHz范围内实现了精确、快速地提取 Ga As MESFET小信号等效电路参数 ,并可合理外推至 2 0 GHz,整个过程无需人工干预 .算法用 Matlab语言实现 ,可方便地应用于 HBT和HEMT以及无源元件电容、电感的参数提取     

用改进的遗传算法精确提取GaAs MESFET小信号等效电路参数

提出了一种改进的遗传算法,应用于提取GaAs MESFET小信号等效电路参数.改进的算法采用浮点编码连续突变,多种遗传操作合作运行,并应用子代优化策略克服了传统遗传算法可能出现的种群退化现象,该算法可快速搜索到全局最优解而不受初始值限制.在0.1～10GHz范围内实现了精确、快速地提取GaAs MESFET小信号等效电路参数,并可合理外推至20GHz,整个过程无需人工干预.算法用Matlab语言实现,可方便地应用于HBT和HEMT以及无源元件电容、电感的参数提取.     

用改进算法提取GaN HEMT小信号等效电路模型

基于GaNHEMT小信号等效电路模型参数的提取,针对扰动机制、退火方式、记忆功能、回火机制等关键点,提出了一种改进的模拟退火算法。用Matlab仿真工具实验证明,在5～15GHz之间基于S参数测试数据,选取16个频率参考点,利用改进算法返回等效电路的13个参数,与测试数据有良好的一致性,是一种快速的全局优化算法。