基于图像显著性区域的遥感图像机场检测

针对已有方法对图像逐像素进行分析的不足,将人眼的注意力选择计算模型引入到遥感图像的机场目标检测中,提出一种基于图像显著性区域的遥感图像中机场目标检测与识别的方法,以提高自动目标检测的效率.首先利用霍夫变换对遥感图像中是否存在机场目标进行初步筛选,然后利用改进后的基于图像的视觉显著性模型提取显著性区域,根据区域上的尺度不变特征变换特征并结合多层分类回归树完成机场目标的识别.实验结果表明,该方法比现有的其他机场检测方法具有速度快、识别率高、虚警率低的特点,同时对噪声有较强的鲁棒性.

自适应注意力选择与脉冲耦合神经网络相融合的沙漠车辆识别

针对现有车辆识别模型不适用于沙漠背景的不足,提出一种基于自适应四元数注意力选择模型与脉冲耦合神经网络相融合的车辆识别算法.首先建立自适应四元数注意力选择模型,将图像背景、颜色、亮度等多方面信息并行处理计算注意力显著图,并利用图像缩放与双线性插值提升计算效率;然后将显著图输入脉冲耦合神经网络,利用神经元脉冲传播特性提取感兴趣区域;最后提取区域尺度不变特征并结合多层分类回归树完成目标识别.实验结果表明,该算法计算时间短、区域提取完整、识别虚警率低;以分辨率0.6m×0.6m的沙漠图像为例,文中算法较形态学及支撑向量机算法识别率分别提升了5.8%和15.4%.

带有遗忘的视觉记忆模型及其在注意力选择上的应用

在我们以前提出的注意力选择模型上,提出一个带有学习和遗忘的视觉记忆模型:遗忘增量多层分类回归树,来模拟人脑的长短期记忆.同时自监督竞争神经网络综合自下而上和自上而下的信息找到注意力的焦点,该网络各个神经元的连接权根据环境变化在线调整,从而实现整个网络的在线学习.实验证明,该模型能够模拟人的注意力转移,并能在变化的环境中,有意识地盯住感兴趣的物体.