基于过渡滑动窗贝叶斯分析的视觉注意模型

依据显著目标是显眼、紧凑和完整的思路,提出基于过渡滑动窗特征分布贝叶斯分析的显著目标检测模型。首先根据局部区域与其多个尺度邻域的对比得到亮度显著映射图;然后利用颜色信息的空间紧凑性、同质性和孤立性得到颜色显著映射图;同时通过多尺度多方向的Gabor滤波器组模拟人类视觉系统提取图像块的方向显著映射图。最后将这些显著特征一起输入单尺度的贝叶斯结构模型,通过对比贝叶斯结构模型中窗内和过渡窗外的特征值计算出该像素是显著像素的概率值,最后通过取最大化映射规则计算出输入图像的显著图,从而得到显著目标。将此算法应用于不同图像进行仿真实验,得到较好的显著性检测结果,表明该方法是切实可行的。

浅析ASON技术及其应用前景

针对当前通信业的实际情况和网络传输的特点，自动光交换网络（ASON）技术得到了业界的普遍认同，然后就ASON应用中的关键问题，如技术优点与功能、应用中的问题展开讨论。

基于全局对比度的随机游走显著性视觉注意模型

模拟人类视觉的显著性视觉注意机制还没有形成统一的模型,依据对人类视觉的分析可知显眼、紧凑和对比度高的目标更加吸引人眼的注意,提出一种基于全局对比度结合随机游走的显著目标视觉注意算法,并将视觉显著性检测问题化为马尔科夫随机游走问题.首先计算输入图像的颜色和方向的全局对比度形成特征向量,利用向量间的距离确定图表示的边权重,从而构造随机游走模型的转移矩阵.同时通过全连通图随机游走和k_regular图随机游走提取图像的全局特性和局部特性,并将二者相结合得到显著图,从而确定显著目标.在国际上现有公开测试集上进行仿真实验,并与其它显著性视觉注意检测方法进行对比,结果表明,方法检测结果更加准确、合理,证明算法切实可行.

基于颜色和方向特征区域对比度的显著性检测模型

视觉显著性检测是很多计算机视觉任务的重要步骤,提出了一种基于颜色、方向特征和空间位置关系相结合的区域对比显著性检测算法.首先用基于图论的算法将图像分割成若干区域,结合区域间颜色特征和空间对比度计算出颜色显著图.同时采用基于纹理特征的算法分割图像,通过方向特征和空间对比度得到方向显著图.最后将二者结合得到最终显著图.在国际现有公开测试集上进行仿真实验,并与其它显著性检测方法进行对比,检测结果更加准确、合理,证明此算法切实可行.