融合增强轮廓特征和空间语义信息的显著性计算

针对显著物体检测算法无法在复杂背景下准确分离显著前景与背景,以及低级视觉特征检测算法不能完整检测出语义信息,提出联合增强轮廓特征和空间语义信息的显著特征计算算法.首先通过区域梯度平滑算法实现区域模块化,采用纹理紧凑性计算图像中各区域特征的显著性,得到候选显著区域,减少后续网络训练的计算量;然后提出基于局部区域的增强轮廓网络用于预测每个分支处的显著图并进行融合,同时基于视觉感知提出空间语义特征网络,用于挖掘图像的深层细节信息;最后基于统一网络框架合成增强轮廓特征和空间语义特征,得到最终的精细显著特征,能更完整清晰地保留显著物体的轮廓.与其他显著性算法在HKU-IS,ECSSD和DUT-OMRON数据集中进行测试,提出算法的召回率和平均误差等指标均优于其他显著性算法.

特征增强的平滑区域篡改检测算法

针对移除图像平滑区域目标的篡改行为,提出一种基于轮廓特征增强的检测算法.首先对待检测图像进行滑窗式分块,逐块进行二值化轮廓特征提取,然后对提取的轮廓序列进行字典排序,最后通过对轮廓序列的匹配实现篡改区域的正确标注.实验表明该算法能有效解决平滑区域篡改痕迹检测的问题,且篡改图像经较低品质JPEG压缩后仍有较强的匹配能力.