一种基于空间对比度的光斑自动定位新方法

针对具有回射特性的合作目标在图像上所呈光斑的外接矩形区域总是图像中对比度较强的区域这一特性,本文提出了一种全新的基于空间对比度的光斑自动定位方法。鉴于空间对比度作为一种归一化的显著度度量可用于描述人眼对局部图像对比度的感知程度,新方法采用空间对比度作为待识别光斑外接矩形区域的基本特征对其进行定位,通过设定显著阈值及非显著阈值作为提取光斑外接矩形的条件,在计算得到光斑区域的灰度重心的基础上确定光斑的亚像素形心。数字仿真实验结果证明本文方法在各种噪声情况下均能够得到较好的光斑形心提取效果,可以达到与传统相关法相当的精度水平。实物仿真试验表明,由本文方法得到的光斑图像坐标进行双目像机交会计算得到的光斑三维位置的精度较高,且不受光斑位置突变的影响,从拍摄图像到计算得到光斑三维位置整个过程的数据输出率为15～20Hz,可以稳定得到高精度的结果。与传统的检测方法相比,本文算法概念新颖,易于实现,能够在满足精度要求的基础上同时满足实时性要求,具有较高的工程应用价值。

视频与AIS信息融合的海上目标检测

提出了一种视频与AIS信息融合的海上船只目标检测方法。首先结合AIS信息确定船只所在区域,提取小范围图像,然后对图像进行高频加强滤波处理,增强船只目标与海面背景的对比度,利用显著性区域检测方法生成显著性图像,随之采用双阈值分割提取高显著性目标,最后通过形态学处理判断船只目标。实验结果表明,该方法适应性强,能够准确快速地实现船只目标提取。

结合纹理特征与显著性的裂缝提取算法

为有效提取路面裂缝,提出一种纹理特征融合与显著性检测相结合的路面裂缝检测算法。采用形态学方法去除部分光照,利用LBP、Laws、对比度纹理描述因子对裂缝进行描述并将描述结果进行加权融合,利用显著性算法对裂缝显著化,阈值分割、中值滤波、连通域去噪后得到裂缝。实验结果表明,与常见的效果较好的分割算法比较,该算法检测效果更优,能更好保留裂缝细节,提取裂缝的精确率和召回率均达到了92%以上。

超像素和阈值分割相结合的显著目标检测算法

现有的显著性检测结果普遍含噪及未能完整高亮显著物体,使得后续的显著目标检测仍是一个具有挑战性的问题。提出了一种结合超像素分割和阈值分割的新的显著目标检测算法。算法首先利用超像素分割方法对原图像进行分割计算,然后依据显著性检测结果计算每一个分割区域像素的平均显著度值,接着用平均显著度值表示超像素内每一个像素的原显著度值,最后根据阈值分割算法对其进行计算获取二值掩码图以表示显著目标检测结果。实验结果表明,在4种具有代表性的显著图上,所提算法能有效检测显著目标,具有较高的正确率、召回率和F度量值。

基于多特征图像显著目标的自动识别

现有的许多显著目标检测算法,大都依赖像素间的相互关系,而缺乏对焦点对象特征的理解.本文提出了一种无监督的显著目标自动识别算法.首先,应用具有仿生学特质的多尺度Gabor模型检测图像中的初级特征,构成显著目标的基本元素特征.在此基础上,结合显著目标的自身特性定义图像的局部特征,进一步确定感兴趣区域的位置.最后,在模糊阈值算法的基础上提出一种新的提取策略,并将其应用到由初级特征和局部特征构成的显著图上,从而准确地确定显著目标的位置.将此方法应用于具有不同特点的图像进行仿真实验,得到了较好的结果,证明该算法是切实可行的.

结合超像素和直方图阈值的显著区域检测算法

由于现有显著性检测算法得到的显著图内容差异较大,因此设计一种具有普遍适用性的显著区域检测算法以依据不同稀疏度的显著图进行高效率的检测仍是一个具有挑战性的问题。提出结合超像素分割方法和直方图阈值化分割方法以在不同的显著图上进行显著区域检测并提高检测效率。利用超像素分割方法对原图像进行分割计算,计算每个超像素的平均显著度值,并用该平均值取代超像素内每个像素的原像素值更新显著图,利用新显著图的直方图将显著图二值化以确定显著目标,利用一覆盖显著目标的最小矩形区域表示检测得到的显著区域。实验结果表明,在不同的显著图上,所提算法能有效检测显著区域,在检测效果的客观度量指标和时间性能指标上均优于现有算法。

一种改进的提取显著点的图像检索技术

在基于目标区域的图像检索中,显著点是一种重要的点特征。针对经典的显著点提取算法SPARSE(Salient Points Auto-Reduction using Segmentation)存在的复杂度高等问题,提出了一种改进算法,利用动态阈值分割算法中的类间方差和类内方差对图像进行分割,然后用三个颜色特征和三个纹理特征对分割出的显著点进行特征标注,最后用欧氏距离对显著点特征向量进行相似性度量。实验结果表明,改进后算法提取的显著点用于图像检索具有较好的检索效果。

基于DCT域视觉的场馆监控图像显著区域检测

针对传统图像显著区域的目标运动检测能力不足,提出一种基于DCT域视觉的图像显著区域检测方法。以MCU为基本单位将监控图像分割成图块,利用DCT系数对颜色、亮度、纹理等特征向量进行提取计算得到全局对比度,运用最大类间方差法计算阈值将图像分割,获得视觉显著区域。同时,以全局背景判断图像中的注视区范围、注视点位置,计算注视点中最强的位置,完成显著图像的区域检测。实验证明,所提方法可以实时对出现在显著区域的目标进行检测,检测效率高。

基于层次和动态阈值的图像显著区域检测方法

发展完善了基于层次的显著区域检测模型。把原始图像分层,对每层分别提取底层特征,计算显著性特征,包括亮度显著性、饱和度显著性和色彩显著性。考虑到图像的概率特性,通过引入二维正态分布函数,准确合理地表示图像像素间的相关性。把各层计算所得的结果叠加,通过引入动态阈值,得到最后的显著区域。动态阈值方法不受原始图像的影响,有较好的适应性。将此方法应用于真实图像,得到了令人满意的检测结果。

基于颜色和空间距离的显著性区域固定阈值分割算法

针对现有的基于空间域的显著性检测算法在分割显著性区域时需要依赖图像分割算法的不足,提出一种基于颜色和空间距离的显著性区域固定阈值分割算法。该算法首先对图像建立图像金字塔,并对每层的图像进行颜色量化和图像分块的预处理;然后利用颜色和空间距离计算得到显著性图;最后进行阈值分割,得到显著性区域。在MSRA1000公开数据集上的实验结果表明,该算法在精度、召回率和F测度方面的表现均优于现有的几种算法。因此,提出的算法在检测效果上优于现有的显著性区域检测算法,而且可以简单地分割出显著性区域。

改进图割的显著性区域检测算法

为快速准确地提取图像中的显著性区域,提出一种改进图割的显著性区域检测算法。采用改进的图割算法对图像进行预分割,将图像分成若干子区域,在此基础上利用区域间对比度计算各区域的显著性值,得到图像的显著图,利用迭代阈值分割算法对图像显著图进行分割处理,通过图像去噪完整有效地提取出显著性区域。实验结果表明,该算法能够准确地提取出图像中的显著性区域,与传统方法相比,使用该算法提取出的显著性区域更完整、准确,提高了效率。

基于视觉注意机制的海洋监视卫星图像舰船目标检测

将Itti模型应用于海洋监视卫星图像舰船目标的检测中。简要阐述了Itti模型的算法处理过程,并将视觉注意点的提取转移过程建立为电容阵列充电模型。针对Itti模型的诸多问题,比如所提取的显著区域形状大小固定、小半径检测实时性差、大半径检测包含背景区域多等,提出了改进算法:引入离散矩变换,增强了图像纹理特征响应;采用阈值分割的方法由显著点搜寻显著区域,提高了检测精度和实时性。运用Matlab对算法进行测试,实验结果表明,改进算法所提取的显著区域形状大小基本与目标一致,实时性好,且显著区域包含背景少。与Itti模型相比,改进算法更适合应用于海洋监视卫星图像舰船目标检测提取。