排序方式: 共有7条查询结果,搜索用时 15 毫秒
1
1.
2.
本文主要针对传统Itti视觉注意计算模型,引入边缘特征信息,优化视觉注意计算模型.在引入边缘特征信息的过程中,本文对Canny边缘检测算法进行改进:以改进后的双边滤波算法代替高斯滤波从而更好的保持边缘,借鉴Sobel算子从4个方向计算梯度幅值来代替原方法中的从2个方向来计算的过程,利用改进的OTSU算法选取双阈值代替手动设置阈值,从而降低图像分割时的误检、漏检现象.在实验中,我们发现,该方法相较于建立在普通Canny算法基础上的Itti视觉注意计算模型,对显著区域的提取效果上有很大的提高. 相似文献
3.
近年来机器视觉技术在目标检测领域得到广泛的应用,其中最常用的是基于Treisman理论的Itti模型.传统基于Itti模型的检测方法往往过分依赖于光谱图像,然而水下环境完全迥异于陆地环境,光谱信息几乎消失殆尽,简单地将Itti模型直接应用于水下并不能取得很好地效果.基于此本文提出了一种将偏振信息与Itti模型相结合的水下目标检测模型.主要思想是:与传统Itti模型提取颜色、亮度、方向等特征不同,针对水下环境的特殊性,分析并提取了更加适合水下环境目标检测的偏振度特征、边缘特征以及直线特征进而利用Itti模型生成显著图,实现水下目标检测.实验结果表明该方法针对水下目标检测有很好的效果. 相似文献
4.
为了更好地对浅景图像和简单背景图像进行分析和处理,进而改善图像的质量和效果,在Itti注意力模型算法的基础上,提出了基于视觉注意的阂值分割算法.该算法主要通过对像素属性的分析提取图像的感兴趣部分,根据像素点与均值的偏离程度对图像进行增强,利用感知学原理使HSI颜色空间所成图像更符合人的视觉要求.实验结果表明,该方法符合生物学的视觉注意机制,在自动检测感兴趣区域时,可以有效减少过分分割,也能较好地提取出较大的感兴趣区域. 相似文献
5.
6.
针对目前大部分监控系统对移动目标物的监控要求越来越高,设计了一款基于单片机的嵌入式移动目标监控系统。系统以目前功能强大的AT89S52单片机为核心,采用适合人体视觉特性的Itti模型来处理拍摄到的视频图像。从视频图像颜色特征图与亮度特征图两方面来对采集到的图像进行检测与分割构成图像显著图,根据移动目标物质心的变化来跟踪图像。仿真表明,该系统能有效监控与锁定目标物,具有较强的自适应性。 相似文献
7.
近年来,许多算法被提出并且运用到多媒体水印中去,相较于图像水印和音频水印,视频水印数据量大,处理更为复杂。基于FFM PEG平台,大大减少了编程量。同时为了提高水印的不可见性和鲁棒性,将提取出的关键帧,进行离散余弦变换(DCT )变换,利用Itti视觉模型,划分出视觉显著区域,然后采用DC-QIM 量化将置乱后的二进制水印信息嵌入非显著区域,保证水印的嵌入对视频质量的影响最小。实验结果表明,算法具有良好的不可见性,以及对常见攻击较好的鲁棒性。 相似文献
1