基于计算机视觉的海南岛地质灾害提取研究

针对海南岛主要地质灾害类型(滑坡、崩塌、泥石流),利用多源遥感影像数据,基于计算机视觉,运用Itti视觉显著性模型以及多特征层次分析,建立适宜于海南岛的地质灾害信息提取算法模型。该模型利用地质灾害与其他地物差异较为显著的色调、形态特征,在Itti视觉显著性模型的基础上生成了总显著度图,经过多特征层次分析,进行特征参量阈值优化处理形成最终的地质灾害信息提取结果。本文选取多处研究区、多灾害类型、多源影像进行实验验证,实验提取各类地质灾害正确率为89.85%,无漏检,整体精度较好。将计算机图像处理技术运用到海南岛的地质灾害信息提取中,为该地区地质灾害防治工作提供了新的技术方法支持,为今后在热带地区开展地质灾害信息提取提供了参考。

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。

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%。

舰船图像显著性区域检测技术研究与仿真

图像显著性区域检测技术是图像分析领域的重要研究内容,在舰船目标识别和红外成像处理过程中具有重要意义。论文介绍了显著性检测技术中常用的五种算法:Itti算法、剩余频谱算法、FT算法、MZ算法和AC算法,并以实际舰船图片为例,针对每种算法进行了仿真实验,对各种算法的检测效果进行了比较分析。仿真结果显示,综合考虑处理后图像的清晰度、抗噪性、分辨率和运算时间等性能因素,FT算法对海上舰船图像的处理具有最好的效果。

基于视觉显著性的监控视频动态目标跟踪

视频动态目标检测与跟踪是智能化视频分析的基础,是实现智能监控的关键技术之一。基于人类视觉对运动的方向和速度非精确感知的特点,结合HR生物相关运动检测模型改进Itti Saliency算法,建立颜色、方向、亮度和运动四特征通道的特征图提取算法,对特征图进行跨尺度融合及归一化,从而提取视频图像中动态目标的视觉显著图。对视频序列图像的显著图逐一显示,便可实现对运动目标的跟踪。提出的运动感知模型,改善了对运动目标视觉显著性的检测效果,能够准确检测并跟踪监控视频中复杂背景、遮挡、多物体的动态目标。

基于视觉注意的图像感兴趣区域分割算法

为了更好地对浅景图像和简单背景图像进行分析和处理,进而改善图像的质量和效果,在Itti注意力模型算法的基础上,提出了基于视觉注意的阈值分割算法.该算法主要通过对像素属性的分析提取图像的感兴趣部分,根据像素点与均值的偏离程度对图像进行增强,利用感知学原理使HSI颜色空间所成图像更符合人的视觉要求.实验结果表明,该方法符合生物学的视觉注意机制,在自动检测感兴趣区域时,可以有效减少过分分割,也能较好地提取出较大的感兴趣区域.