基于改进ITTI模型及粒子群优化算法的白细胞区域提取

白细胞显微图像病理分析中,人眼关注的白细胞是感兴趣的区域。ITTI视觉模型是提取图像感兴趣区域(ROI)的有效办法。为了进一步改善其提取的准确性,提出了基于改进的ITTI视觉模型与粒子群优化算法相结合的目标控制方法,并将其应用于医学骨髓细胞图像中的白细胞区域提取。首先利用高斯滤波和多尺度归一化的方法分别提取原始图像的方向、亮度、颜色显著性特征,再根据人眼的视觉对不同显著性特征敏感程度不同的特性对3种显著性特征采用自适应系数相融合的方式得到显著图,最后利用基于改进的粒子群优化算法的Otsu法对显著图进行ROI的提取,并采用数字形态学的方法对其进行后续处理。结果表明,本文算法可以较好地提取完整的白细胞区域,有助于提高病理分析的效率。

基于改进ITTI模型的SAR图像目标检测

合成孔径雷达作为主动式雷达,具有全天时、全天候、高分辨、可侧视成像等优点,在军事和民用领域得到了广泛的应用。本文将视觉注意机制引入SAR图像目标检测中,针对SAR图像特征,改进传统视觉注意计算模型,并研究了基于视觉显著性的SAR图像目标检测方法。归纳总结了现有的视觉注意计算模型,深入研究了传统ITTI模型中基于这种自底向上的视觉注意模型对不同的SAR图像进行目标检测实验;针对SAR图像具有丰富纹理信息的特点,将纹理特征引入视觉注意模型的初级视觉特征提取阶段,提出了一种合理分配纹理特征与强度特征权重的改进方法,并采用该方法对SAR图像进行了目标检测。实验表明,本文的方法能避免ITTI模型存在的漏检现象,并一定程度上提高了检测区域的完整性。

基于Itti视觉注意模型的三维人脸特征检测方法的研究

将计算机视觉与人类视觉的视觉注意计算模型结合,在对三维人脸特征提取和Itti视觉注意模型进行研究的基础上,提出了一种将Itti视觉注意模型用于三维人脸特征区域检测和特征提取的方法。实验结果表明,该模型能够准确定位三维人脸的特征区域,同时对不同表情的人脸模型具有鲁棒性。

融合深度信息的视觉注意计算模型

针对Itti模型在特征选择上的局限性,借鉴心理学中有关视觉注意的研究成果,提出一种融合深度信息的视觉注意计算模型。该模型在基于图像分割的自适应立体匹配基础上提取深度特征,与亮度、方向、颜色特征相结合,实现空间显著性度量,并采用侧抑机制和WTA机制得到注意焦点。实验结果表明,新模型能较好地反映空间立体视觉信息对注意的影响,使计算结果能更符合人类视觉。

基于视觉注意模型的苗期油菜田间杂草检测

提出了基于视觉注意模型的苗期油菜/杂草图像检测方法。针对苗期油菜大田环境,获取油菜/杂草RGB原始图像。根据原始图像颜色分布特点改进Itti模型,生成系列特征显著图,结合区域生长算法分割出感兴趣区域。针对该区域提取形状和纹理特征参数作为支持向量机输入量,判别出所有油菜区域,最后融合原始图像和油菜区域获取最终株间杂草区域。结果表明:与局部迭代阈值法和最大类间方差法相比,本研究提出的图像分割方法更优,正确分割目标概率、错误分割目标概率及漏分割目标概率分别为92.46%、3.26%及7.54%;针对形状、纹理、综合特征及精选特征四类特征参数集,径向基-支持向量机的识别率分别为96.00%、94.29%、100.00%及96.00%。

一种基于视觉显著模型的PET图像快速分割算法

由于PET图像质量较低且灰度相近导致常用的分割算法不能兼顾分割效果与分割效率,提出了一种基于视觉显著模型的PET图像分割算法。首先使用优化的Itti视觉显著模型替代人工操作对PET图像进行快速识别,并将获得的显著图进行预处理,初始化前景区与背景区的高斯混合模型,最后使用优化的GrabCut算法对PET显著图进行分割获得结果。与其他两种算法相比实验结果表明,该算法在操作简易性、算法执行效率、结果准确性具有一定优势,分割时间提升超过30%,分割精度提升超过21%。

一种基于边缘检测的视觉注意计算模型

鉴于Itti视觉注意机制计算模型对显著性区域检测方面的不足,提出一种改进型的基于边缘检测的视觉注意计算模型。该模型在Itti模型基础上,引入边缘信息,能够改善视觉注意计算模型中的显著区域提取效果,且可以更加准确地分割显性区域。实验表明,该方式较传统视觉模型在计算速度上有所提高,且目标物轮廓识别效果更好。

动态金字塔模型的红外图像SR重建

无人机在复杂飞行过程中,因大气气流及光学设备成像等影响造成采集到的红外图像分辨率过低;另外,因各帧图像分辨率不同,基于固定层数分解的金字塔模型在同一区域下的显著图提取结果存在差异,无法借助视觉技术实现无人机目标定位及自主导航。提出一种改进Itti模型下的红外图像感兴趣区域提取及SR重建算法。算法首先引入多特征对红外图像序列进行金字塔动态分层模型构建;然后,针对不同分辨率下的多帧红外图像进行感兴趣区域的动态提取来克服传统Itti算法的不足;最后,提出基于共轭梯度法的目标函数最小化红外图像超分辨率重建算法,对感兴趣区域进行空间SR重建,提高感兴趣区域目标的空间分辨率。实验验证了提出算法的有效性及准确性。

基于改进视觉注意模型的显著区域区检测

文中在专家学者提出的视觉注意模型的基础上,提出一种新的视觉注意模型改进算法。首先,采用改进后的Itti模型来计算图像视觉显著性,从底层特征,包括亮度、方向、颜色,然后建立小波金字塔,利用中央周围算子作差运算,得到颜色、亮度和方向每个特征的关注图,然后通过归一化算子,融合成Itti模型下的显著图;接着,借鉴了MA和Zhang等提出的显著图模型算法的一些方法,从全局的角度计算显著图;最后将以上得到的显著图进行归一化融合。

基于改进边缘检测的视觉注意计算模型

本文主要针对传统Itti视觉注意计算模型,引入边缘特征信息,优化视觉注意计算模型.在引入边缘特征信息的过程中,本文对Canny边缘检测算法进行改进:以改进后的双边滤波算法代替高斯滤波从而更好的保持边缘,借鉴Sobel算子从4个方向计算梯度幅值来代替原方法中的从2个方向来计算的过程,利用改进的OTSU算法选取双阈值代替手动设置阈值,从而降低图像分割时的误检、漏检现象.在实验中,我们发现,该方法相较于建立在普通Canny算法基础上的Itti视觉注意计算模型,对显著区域的提取效果上有很大的提高.

基于角点权重改进的Itti算法研究

通过对Itti模型和Harris角点的概述,提出对Itti模型的改进。通过Harris角点改进Itti模型,将harris角点融入到Itti模型中,用"角点取胜"的概念代替Itti模型中"赢者取全"的机制,确定最终的显著区域。

基于视觉关注模型与多尺度MSER的自然场景文本检测

自然场景中文本检测易受光照、复杂背景、多语言文字、字体及尺寸等因素影响,该文提出了一种基于Itti视觉关注模型与多尺度最大稳定极值区域(maximally stable extremal region, MSER)结合的自然场景文本检测算法.首先利用改进的Itti视觉关注模型提取文本特征图,并采用不同结合策略得到各尺度文本显著图;然后结合多尺度的MSER区域得到3种文本候选区域.根据文字与生成文本框的几何规则合并文本候选区域得到文本行;最后利用随机森林分类器除去非文本区域得到最终文本区域.实验结果表明,该方法对于自然场景图像中的文本检测具有较高的精确度和一定的鲁棒性.

一种权值可发育的视觉选择性注意模型研究

针对Itti视觉选择性注意模型不具有子特征图显著图归一化过程中权值随任务改变而改变的问题,借鉴自主发育在视觉选择性注意学习的研究成果,提出一种权值可发育视觉选择性注意模型作为图像特征提取的学习机制。该算法采用三层自组织神经网络和Itti视觉选择性注意模型相结合的决策进行寻优,通过对模型的训练学习获取最优权值更新。这样既可以保证在初期特征提取内容的完整性,又降低了系统对不同任务条件的约束性,提高了模型特征提取能力。利用权值可发育视觉选择性注意模型对图像进行感兴趣区域特征提取实验,结果表明,该方法能够提高特征提取准确性、减少运算时间,获得了良好的动态性能。

基于区域模糊阈值的前视红外目标识别

针对用前视红外(FLIR)目标法识别复杂地面时,存在无直接可用基准图、背景干扰严重、目标与背景灰度差异小等问题,提出了一种基于区域模糊阈值的目标识别方法。首先,在建立多尺度空间的基础上,设计多阈值算法,生成显著图;其次,引入基于图像模糊率的区域模糊阈值方法,改进Itti模型,构建候选目标筛选模型;最后,对检测结果运用积分归一化积相关(Nprod)算法进行精匹配,确定识别目标。实验结果表明,与Hausdorff距离算法相比,该识别算法匹配率提高了近20%,花费时间缩短了3/4;与积分Nprod算法相比,提出的算法匹配率提高了近40%,时间缩短了1/2。结果显示,对于复杂背景的前视红外目标,该方法具有匹配率高、速度快、精度高等优点。

基于颜色、轮廓特征融合的显著性检测

针对复杂场景中的显著性检测中所存在的困难,考虑到目标在纹理特征上的显著性,创新地采用颜色和轮廓特征融合的方法对传统显著性模型的输入进行改进,分别采用HSV色彩空间的颜色特征及基于Sobel算子的轮廓特征输入至Itti模型中对场景中的显著性进行检测,在复杂场景中直观及量化实验结果证明,该方法在较复杂的环境里能够较为准确的提取出显著性目标区域,同典型的Itti模型相比,能够有效提升显著性检测的准确性。

基于机器视觉的复杂背景QR二维码有效分割方法研究

QR二维码品质溯源的标识,在制造业中具有广泛的应用。提出了基于视觉注意机制GBVS和Itti模型的QR二维码分割方法,可以有效消除复杂背景对QR二维码高效识别的影响。实验表明,GBVS和Itti模型最终获得最小分割误差分别为0.93%和1.04%,最高重合度分别为97.78%和96.79%,平均重合度分别为87.14%和86.60%,相差仅为0.54%;该试验结果表明GBVS和Itti模型均能从复杂背景中有效分割出QR二维码,克服复杂背景的影响,有利于稳定快速识别QR二维码,同时验证了将视觉注意机制模型应用于复杂背景下的QR二维码分割的有效性、可行性。

一种基于单片机的移动目标监控系统研究

针对目前大部分监控系统对移动目标物的监控要求越来越高,设计了一款基于单片机的嵌入式移动目标监控系统。系统以目前功能强大的AT89S52单片机为核心,采用适合人体视觉特性的Itti模型来处理拍摄到的视频图像。从视频图像颜色特征图与亮度特征图两方面来对采集到的图像进行检测与分割构成图像显著图,根据移动目标物质心的变化来跟踪图像。仿真表明,该系统能有效监控与锁定目标物,具有较强的自适应性。

基于视觉注意机制的遥感图像船只检测

针对视觉注意机制中Itti模型在显著性区域提取中提取颜色、方向和亮度3种特征,应用到遥感图像中容易造成错检的问题,在Itti模型基础上提出了改进的显著性模型,用纹理特征代替Itti模型中的颜色特征和亮度特征,同时考虑了图像在频域中的显著性。对改进后的算法进行仿真,仿真结果表明,改进算法检测精度高、实时性好,显著区域与目标基本一致,能够有效地检测遥感图像中船只目标。

基于多特征融合的机场FOD图像检测技术

为了降低机场外来入侵物检测成本,提出一种基于图像检测的机场异物识别方法。为了提高检测的可靠性,对经典ITTI模型改进,用Canny算子提取边缘特征,用蒙特卡罗方法和模糊数学的知识算出各个特征检测出异物的基本概率。自定义一种方法来表示特征之间的支持度,用D S证据融合理论对特征按照支持度的大小进行融合,对图像进行显著性检测。仿真表明,方法的异物识别准确率达到了92%以上,比单一特征中最高的颜色特征检测提高了11%左右。

基于偏振特征的水下目标检测

近年来机器视觉技术在目标检测领域得到广泛的应用,其中最常用的是基于Treisman理论的Itti模型。传统基于Itti模型的检测方法往往过分依赖于光谱图像,然而水下环境完全迥异于陆地环境,光谱信息几乎消失殆尽,简单地将Itti模型直接应用于水下并不能取得很好地效果。基于此本文提出了一种将偏振信息与Itti模型相结合的水下目标检测模型。主要思想是:与传统Itti模型提取颜色、亮度、方向等特征不同,针对水下环境的特殊性,分析并提取了更加适合水下环境目标检测的偏振度特征、边缘特征以及直线特征进而利用Itti模型生成显著图,实现水下目标检测。实验结果表明该方法针对水下目标检测有很好的效果。