基于多尺度特征融合与背景抑制的MFFBSNet人群计数算法

针对复杂场景中的密集人群尺度变化、分布不均匀、背景遮挡等问题,提出一种基于多尺度特征融合与背景抑制的MFFBSNet人群计数算法。以视觉几何组网络VGG-16的前13层作为网络前端部分,引入空洞空间卷积池化金字塔(ASPP)和基于轻量级金字塔切分注意力机制(PSA)构建多尺度特征融合模块,以解决密集人群尺度变化问题;在网络的中间部分加入空间注意力机制以及通道注意力机制对特征图进行校准,突出图像人头区域;网络后端部分使用可加大感受野且不丢失图像分辨率的空洞卷积生成背景分割注意力图,抑制图像中背景噪声,提升人群分布密度图的质量。在ShanghaiTech、UCF_CC_50及NWPU-Crowd 3个公开数据集上的实验结果表明,相较于MCNN、SwitchCNN、CSRNet等算法,提出的基于MFFBSNet的人群计数算法的计数准确度较高。

基于背景抑制和分类校正的小样本目标检测方法

为进一步提升小样本条件下对空中来袭目标的检测识别成功率,提出一种基于背景抑制和分类校正的小样本目标检测方法。首先,针对空中来袭目标背景前景易混淆问题,在区域候选网络前端引入背景抑制模块,通过抑制背景特征和增强前景特征来减轻目标背景对检测的影响;其次,在背景抑制模块后插入特征聚合模块,聚焦目标特征,通过缓解小样本条件导致目标特征难提取、不明显的问题,校正网络模型的分类参数;最后,在检测头网络中引入对比分支,增强了类别内相似性和类别间独特性,缓解来袭目标“类间相似性高,类内差异性大”的问题,实现了对网络分类的进一步校正。实验结果表明,所提出的算法在1、2、3、5、10 shot实验中均表现最佳,平均精度分别达到28.3%、32.8%、39.9%、42.9%和56.2%,提升了小样本空中来袭目标的检测性能。

基于背景抑制与改进多尺度LSD的声呐小目标检测算法

针对声呐小目标检测由于水下环境复杂、目标回波信号弱等因素造成虚警率和误检率较高的问题,文章提出基于背景抑制和改进直线分割检测(Line Segment Detection,LSD)的检测算法。首先对原始声呐数据截取序列片段,构建多周期累积历程图,凸显运动目标轨迹线特征;其次设计边缘滤波算子,有效滤除部分背景噪声,并结合投影变换进行线特征增强,不仅实现了断裂直线重连,还抑制了剩余噪声;然后基于图像金字塔改进了多尺度LSD直线分割检测算法,有效缓解了过检测问题,大幅增加了直线平均长度;最后为了合并冗余检测信息,利用运动轨迹时空一致性特征设计后处理模块,提高了检测定位精度。通过多组无人遥控潜水器(Remotely Operated Vehicle,ROV)、潜水员、空心球靶小目标序列的湖试、海试数据的定量与可视化结果定性分析,实验结果显示,文中算法与传统LSD相比,误检率和漏检率分别降低了11.2和3.9个百分点,定位误差下降了1.495个像素。结果表明,文中所提算法大幅提高了声呐小目标检测精度,为后续水下目标识别、跟踪等任务奠定重要基础。

采用剪切波变换的红外弱小目标背景抑制

提出了一种将剪切波变换与贝叶斯统计机理相结合的背景抑制新方法来解决红外搜索跟踪系统探测复杂空中和地面背景杂波中的弱小目标这一难题.根据红外图像中目标和背景杂波的不同分布特性,首先,采用剪切波变换对原始红外图像进行多尺度和多方向分解,获得原始图像的多尺度和方向细节特征,然后,通过应用高斯尺度混合模型进行处理,从而将红外图像中弱小目标和背景杂波分离,达到抑制背景的目的,最后采用经典的自适应阈值分割技术得到目标图像,最终实现目标检测.与二维最小均方误差滤波方法相比较,几组实验结果显示,对弱小目标复杂背景具有较好的抑制效果.

采用Gabor核非局部均值的弱小目标背景抑制

在红外弱小目标检测中,由于杂波云层和结构化地面等复杂背景的干扰,导致检测的虚警较多,因此复杂背景的抑制直接影响到目标检测方法的性能。针对这个问题,提出了一种基于Gabor核非局部均值的弱小目标背景抑制方法,并引入了局部结构张量来提高方法抑制背景细节、增强目标信息的能力,此外该操作还减少了方法的运算量,提高了方法的实时性。与小波滤波和高斯核去局部均值方法相比,几组实验结果显示,该方法从主观视觉和数值指标上可较好地抑制复杂背景。

奇异值分解带通滤波背景抑制和去噪

针对可见光图像弱小目标检测中的背景抑制和去噪问题,提出了奇异值分解(Singular Value Decomposition,SVD)带通滤波新方法.首先分析了图像奇异值与目标、噪声和图像背景的关系,结果表明奇异值的高序部分更多地反映图像噪声,中序部分更多地反映目标性质,而低序部分更多地反映图像背景.以此为依据提出了SVD-Ⅰ型和SVD-Ⅱ型两种带通滤波器,并给出了奇异值曲线转折点法和门限准则法两种滤波器参数确定方法.实验表明SVD带通滤波能有效抑制图像背景,去除噪声,进而提高弱小目标的信噪比.

LCD Mura缺陷的B样条曲面拟合背景抑制

针对机器视觉检测TFT-LCD Mura缺陷时存在的图像整体亮度不均匀、背景复杂等影响检测准确性的问题,提出一种基于B样条曲面拟合的背景抑制方法。在最小二乘法准则的约束下,采用双三次B样条曲面拟合算法拟合出背景,并添加光顺项调整拟合精度,用原始图像减去拟合背景,从而消除亮度不均匀背景对缺陷分割造成的影响。为提高算法速度,对原始图像进行分块拟合,并将双三次B样条函数分解为一元函数求解,减小了计算量,同时避免了对原函数求解时容易出现的病态解问题。实验结果表明,该算法准确、高效。

基于双边滤波的弱小目标背景抑制

为解决红外弱小目标检测技术中结构化背景抑制的难题,利用双边滤波集成了图像几何、光度和局部结构相似性等信息并以非迭代、局部操作的优点,提出了一种基于双边滤波的红外弱小目标背景抑制算法,并引入了局部梯度的统计特性来抑制背景细节、增强目标信息,从而达到更好抑制图像中的背景,突出目标图像,提高图像整体对比度、信噪比的目的。实验结果显示,与小波滤波算法比较,该算法对含有弱小目标的复杂背景从主观视觉和数值指标都具有良好抑制效果。

采用多尺度隐式马尔可夫模型的红外图像背景抑制

提出了一种基于多尺度隐式马尔可夫模型的红外图像背景抑制方法来解决红外弱小目标检测技术中复杂背景干扰的问题。根据红外目标和背景杂波所具有的不同统计分布特性,利用剪切波变换分解后各尺度、各方向子带内和子带间的系数之间的关系,建立了基于剪切波变换的多尺度隐式马尔可夫模型。通过期望最大化算法计算最优背景参数,分离红外图像中弱小目标信号和复杂背景杂波,达到抑制背景、保存并增强目标信号的目的。对真实的和模拟的包含弱小目标的红外图像序列进行了实验验证,实验结果表明,与最大中值滤波和局部去均值两种方法相比较,本文方法对红外弱小目标(SCR≥1.6)的复杂背景从主观视觉和数值指标上都具有良好抑制效果。

基于视觉感受野的自适应背景抑制方法

在河流水面成像测速的应用中,表现为弱小目标的水流示踪物易受倒影、耀光等复杂背景噪声的干扰而引起较大的位移估计误差。对此,首先分析了近红外河流水面图像中目标、背景及噪声的分布及统计特性并建立数学模型。然后在生物侧抑制现象的启发下提出了一种基于视觉感受野双高斯差(DOG)模型的自适应背景抑制方法。利用水面图像中目标和噪声灰度分布的先验知识以及兴奋性与抑制性作用相抵的约束关系选取模型参数,以达到局部最优的增强效果。实验表明,DOG模型作为一个带通滤波器,在增强目标、抑制背景和滤除噪声的综合性能方面优于传统的空域高通滤波器。获得的图像不仅具有良好的视觉效果,同时满足了后续运动矢量估计对相关运算信噪比的需求。

3.0T磁共振肝脏背景抑制磁共振扩散成像技术的初步探讨

目的讨论3.0T磁共振肝脏DWIBS的最佳成像参数。方法 22名健康志愿者作为受试者,使用3.0T双梯度超导磁共振扫描仪,在其他的参数不变条件下,SE-EPI序列以不同的b值、呼吸方式、背景抑制方式、信号平均次数,分别行DWIBS扫描。以表观扩散系数值、质量指数、信噪比、背景噪声为指标,用SPSS13.0进行统计学分析。结果①随着b值增大,ADC值逐渐变小(P<0.05),图像质量指数以b=300时最高(P<0.05),b=300与b=600的信噪比无明显差异(P>0.05),但与b=900间差异有显著性(P<0.05)。背景噪声以b=900最高,但与b=300、b=600无明显差异(P>0.05);②自由呼吸和呼吸触发进行比较,两种方式的ADC值的变化较小(P>0.05),但呼吸触发方式的质量指数和信噪比均高于自由呼吸方式(P<0.05);③同时SPIR序列与STIR序列行背景抑制进行比较,ADC值、信噪比及背景噪声均有变化。两者的ADC值不同,SPIR序列上ADC值大(P<0.05)。SPIR序列上较高(P<0.05)SPIR的SNR、质量指数优于STIR(P<0.05),但STIR的背景噪声优于SPIR(P<0.05);④NSA增大时,图像的信噪比与质量指数明显提高(P<0.05),但扫描时间明显增加。结论 b逐渐值大,图像信噪比与质量指数逐渐变差,ADC值逐渐减小,在使用呼吸触发方式、SPIR背景抑制方式和适当的NSA次数(NSA=3)时,可获得较高的DWIBS图像。

一种云层背景抑制与小目标检测方法

提出了利用形态学上的top hat算子对红外小目标检测的方法 ,对图像进行形态学滤波 ,对滤波后的图像进行分割 ,然后依据目标运动的连续性对分割后的图像进行连续滤波 ,从而检测到目标 .实验表明 。

基于大气背景抑制的偏振去雾算法

提出一种基于大气背景抑制的偏振去雾算法,利用偏振成像探测系统获取任意多方向偏振图像,并对场景大气总光强及偏振度进行估计,利用景物偏振信息估算景物深度,同时对大气散射模型进行图像复原,以实现图像去雾。实验结果表明,该算法能有效改善薄雾条件下的景物视觉效果。

基于视觉显著性与文字置信图的场景文字的背景抑制方法

复杂背景是影响场景文字自动定位算法性能的重要因素.为消除背景干扰,本文首先根据谱残差理论获取显著性区域,然后利用基于笔画特征的点对梯度方向差比例图与基于傅里叶谱统计特征的后验概率图取得显著性区域的文字置信图,最后借助图模型融合视觉显著性图、文字置信图与HSI颜色特征最终达到抑制自然图像背景并突出前景文字的效果.在ICDAR2011场景文字定位竞赛数据库与实验室场景中文数据库中的实验结果表明,本算法可较好的抑制自然图像中复杂背景,并有效提升算法的性能.

女性盆腔恶性肿瘤3.0T背景抑制磁共振弥散加权成像研究初探

【目的】探讨3.0T磁共振弥散加权成像在女性盆腔恶性肿瘤的病变范围及转移中的临床应用价值。【方法】回顾性分析26例女性盆腔恶性肿瘤的MRI影像学资料,并与手术病理资料对照。病例包括宫颈癌17例(术前14例,术后复发3例)、子宫内膜癌7例(术前5例,术后复发2例)、结肠癌术后复发1例、卵巢癌术后复发1例。进行女性盆腔恶性病变与正常组织(闭孔内肌)ADC值的测量与比较,以及常规MR成像组和弥散成像结合常规MR成像组的病变观察结果的比较。【结果】①女性盆腔恶性病变与正常组织ADC值测量与比较:女性盆腔恶性肿瘤原发灶、转移灶与闭孔内肌的ADC值三者间比较差异有统计学意义(P=0.024);原发灶与闭孔内肌ADC值比较差异有统计学意义(P=0.012);闭孔内肌与转移灶ADC值比较差异有统计学意义(P=0.021);原发灶与转移灶的ADC值比较差异无统计学意义(P=0.402)。②常规MR成像组和弥散成像结合常规MR成像组的病变观察结果的比较:常规MR成像组与弥散成像结合常规MR成像组发现病变分别为43处及88处,两组发现病灶数目差异有统计学意义(P<0.001)。【结论】3.0T磁共振弥散加权图像ADC值测量能够定量反映病灶的弥散受限程度,有助于鉴别盆腔良恶性病变。背景抑制磁共振弥散加权成像分辨率高,能清晰直观地显示女性盆腔恶性病变的范围和转移,具有良好的临床应用价值。

肺部疾病背景抑制磁共振扩散成像的参数优化

目的:通过比较不同扫描参数的图像质量,探讨肺部疾病背景抑制磁共振扩散成像(DWIBS)的最佳扫描技术。材料和方法:20例患者接受了DWIBS成像,通过ADC值、质量指数、SNR及AppCNR来评价不同扫描技术:屏气扫描和自由呼吸扫描;不同b值的选择,分别采用0、250s/mm2、500s/mm2、800s/mm2进行扫描;SE-EPISPIR与STIR-EPI的比较;采用4mm及9mm层厚观察薄层DWI的可行性。最后评价高分辨率MPR及MIP图像的可行性。结果:自由呼吸扫描的质量指数、SNR及AppCNR高于屏气扫描(P<0.01);图像质量指数及AppCNR以b=500s/mm2最高(P=0.000);STIR-EPI质量指数较高(P<0.05);STIR的Ap-pCNR优于SPIR(P<0.05)。自由呼吸4mm的质量指数优于自由呼吸9mm质量指数(P<0.05),SNR与AppCNR无明显统计学差别(P>0.05)。TR值6000ms、8000ms的AppCNR高于TR值4000ms(P<0.05),图像质量指数与SNR以及病灶的ADC值变化均很小(P>0.05)。结论:采用自由呼吸,b=500s/mm2,层厚4mm,STIR脂肪抑制技术以及TR值6000ms以上可以获得高质量的DWIBS图像。

基于光流估计和自适应背景抑制的弱小目标检测

针对复杂云背景下的弱小目标探测,提出了一种基于光流估计和自适应背景抑制相结合的弱小目标检测算法.首先根据红外图像中云的移动规律,对云背景下的红外图像进行光流分析,提取运动云区.在光流场的计算中结合了云运动的特点以及光流方程的两个约束条件,对传统的基于梯度的光流法予以改进.同时发现移动云区对目标探测的影响较大,为了抑制移动云区对弱小目标的干扰,提出了自适应抑制复杂背景的算法,在光流场分析提取的移动云区中,利用代表背景复杂程度的背景因子,自适应调整分割阈值,抑制复杂背景的干扰.这样只在容易引起虚警的移动云区进行背景抑制处理,简化了计算量,降低了云区对弱小目标的干扰,减少了虚警和误判.实验结果表明该算法可以显著减少云区造成的虚警,并且能够探测出弱小目标.

基于二代Curvelet变换和ProbShrink算法的红外图像背景抑制

为了提高红外复杂背景下弱小目标的检测性能,提出了一种基于二代Curvelet变换和ProbShrink算法的红外图像背景抑制新方法。弱小目标在二代Curvelet变换后表现为高频信息,而二代Curvelet系数表示了边缘信息的稀疏,抑制其低频系数即能很好地去除大部分复杂背景。本文通过对高频子带系数单一分布和联合分布的分析,确定包含目标信息的子带位置,利用ProbShrink算法对高频系数中的背景系数进行有效地缩减。实验结果显示,对输入信噪比为4.16 dB的复杂云层进行背景抑制后,其输出信噪比能达到40.04 dB,优于小波和二代Curvelet的方法,表明本文算法能够很好地抑制红外图像背景,保留弱小目标信息。

基于奇异值分解的红外弱小目标背景抑制

复杂背景的抑制是红外弱小目标检测技术的一个难题。为解决这个问题,提出了基于奇异值分解的背景抑制算法。从矩阵的角度出发,通过对原图像进行奇异值分解,将包含弱小目标信息的图像矩阵分解到一系列奇异值和奇异值矢量对应的子空间中,然后通过定义的偏差指数所确定的有效的奇异值来重构图像,从而达到背景抑制的目的。与二维最小均方误差算法比较,实验结果显示,该算法对红外弱小目标复杂背景从主观视觉和数值指标都具有良好抑制效果。

采用背景抑制和自适应阈值分割的高光谱异常目标检测

高光谱图像小目标异常检测存在着大面积背景异常的干扰,直接采用传统的阈值分割方法会产生较高的虚警。针对核RX异常检测算法存在较大面积背景干扰的现象,结合形态学滤波方法提取大面积背景杂波干扰并对其进行抑制,滤除背景干扰。然后采用自适应阈值方法对处理后的灰度值图像进行异常目标的分离。仿真实验结果表明,该方法较好地实现了对大面积背景干扰的抑制和对异常目标的保持,改善了现有的核RX算法用于高光谱异常检测的性能。