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。     

一种改进的显著性区域提取模型

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、方向和形状4个低层特征,并且将这4个低层特征的多尺度显著图融合成一幅综合的显著图.在图像方向特征提取中采用倒数函数来代替Gabor特征函数,这样可完善方向特征图.该模型与经典的Itti模型相比较,提取出来的显著图更为明显,速度较快且易于实现.     

航天遥感图像感兴趣区域的自动提取方法

感兴趣区域提取是航天遥感图像分析的重要前提。随着图像空间分辨率的提高,场景内显著目标以及背景变得愈加复杂。利用传统的特征提取技术将会耗费大量计算空间和时间。提出了基于改进视觉注意方法的感兴趣区域自动提取,在HSV空间将目标与背景在颜色和亮度上的差异作为显著特征,利用高斯金字塔和中心-周边求差算子计算图像的显著特征图,并对特征图进行归一化和线性融合,设计注意焦点的转移步骤,完成感兴趣区域的自动提取。通过仿真和实验可以看出,本方法能有效地实现航天遥感图像感兴趣区域的自动提取。     

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。     

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。     

基于显著点的感兴趣区域提取

提出了一种基于显著点的感兴趣区域提取方法,首先对图像进行分割,然后用基于小波变换的方法提取图像的显著点,并对得到的显著点进行扩展;最后根据扩展后的显著点分布情况来判断每一块分割区域是否属于感兴趣区域.该法对简单背景图像具有较好的效果.     

基于感兴趣区域的图像检索方法

提出了一种新的基于感兴趣区域的图像检索算法。首先基于多曲率多项式提取图像显著点,并依据显著点提取图像感兴趣区域,然后基于感兴趣区域的颜色和纹理特征进行图像检索。实验结果表明该方法可有效地提取图像感兴趣区域,并取得了较好的检索效果。     

基于圆形感兴趣区域的图像检索算法

传统的基于内容的图像检索系统在检索时往往通过获取整幅图像的全局特征进行计算,必然含有一些冗余信息,从而给检索带来过多的计算量和不准确性。因此将检索的区域范围从全局缩小到局部,提出一种改进的图像感兴趣区域提取算法。首先使用Harris算法提取出图像的显著点,通过对显著点进行条件筛选截取出一个圆形感兴趣区域,然后对该区域提取多种特征并进行归一化处理,最后用距离函数实现图像间的相似度比较。实验结果表明,所提算法能够对图像的感兴趣区域进行有效提取,提高了运行效率,同时获得了较好的检索效果。     

一种基于感兴趣区域的红外目标提取方法

针对复杂背景下的红外图像的小目标提取问题,提出了一种新的红外图像自动分割方法.为了更好地控制计算复杂性及目标提取的准确性,本方法建立在通过自适应Butterworth高通滤波器找到的感兴趣区域之上并充分地利用了该区域中背景信息比较简单、目标易被分割的特性.同时,考虑到像素灰度是红处图像区分目标与背景的重要因素,而像素间的相邻度则能较好的防止虚警的产生,结合像素的灰度和相邻度的综合关系提出了一种新的分割原则.实验证明,新算法取得了很好的效果.     

一种基于图像感兴趣区域的盲水印方案

论文提出了一种基于图像感兴趣区域(ROI,Region of Interest)的改进型盲水印方案,在具有重要语义的ROI区域中嵌入有意义的水印图案,并推导出相应的水印提取算法。实验结果表明,该水印对滤波、压缩和裁减攻击具有很好的鲁棒性。     

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。     

基才区域显著性的彩色图像分割

提出一种彩色图像分割算法主要利用区域间显著性。先是运用了Kmeans聚类的算法对彩色图像进行分割。然后分析彩色图像中的各个分割区域之间的对比度值以及分割的区域在图像中的位置关系,得到显著性值。根据需要设定显著性阚值．得到目标显著性区域并将其他非显著性区域合并。以此达到目标区域与背景的分离。     

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。     

高分辨率遥感影像感兴趣区域快速检测

传统高分辨率遥感影像感兴趣区域的检测方法通常要利用先验知识库对整幅影像进行全局分析与搜索,具有很高计算复杂度。从人眼视觉特性出发,提出一种新的高分辨率遥感影像感兴趣区域快速检测算法。基于视觉关注模型对高分辨率遥感影像进行空间降维,确定视觉关注焦点;根据关注焦点位置在原始遥感影像中描述出相应的感兴趣区域。实验结果表明,新方法不仅具有较低计算复杂度,而且有效避免了影像分割、特征检测等计算复杂度较高的全图搜索方法,提高了高分辨率遥感影像感兴趣区域的检测效率。     

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.     

融合视觉注意机制的高光谱RX异常检测算法

视觉注意机制具有快速引导关注到重点区域的特性,将其引入高光谱图像异常检测中具有可行性。本文从采样方式、波段选取、融入局部光谱特征3方面构建更适用于计算高光谱图像显著性的视觉注意机制模型。针对经典的基于高斯统计分布假设的RX异常检测算法在背景参数估计中易受潜在异常干扰的问题,利用视觉显著性结果对原图像进行高斯加权,在加权后图像中进行背景均值与协方差的重新估算,进而使用更精确的背景参数对原图像进行RX异常检测。在5个经典数据上的实验结果表明,本文方法有效地表现了潜在的异常目标,改进的RX异常检测算法具有更高的检测精度与更低的虚警率。