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。

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。

基于视觉注意机制的图像分类方法

针对Itti视觉模型在模拟人类视觉的过程中没有考虑到人眼视觉系统对外界事物边缘和轮廓的注意敏感性的问题,提出一种改进的基于视觉注意机制的图像分类方法,即基于Itti模型,同时引入图像的边缘特征对图像进行分类.经实验验证,与传统的Itti模型相比,该方法具有更高的分类准确率,分类准确率达到97%以上.

一种基于FFMPEG的MPEG-2视频水印算法

近年来,许多算法被提出并且运用到多媒体水印中去,相较于图像水印和音频水印,视频水印数据量大,处理更为复杂。基于FFMPEG平台,大大减少了编程量。同时为了提高水印的不可见性和鲁棒性,将提取出的关键帧,进行离散余弦变换(DCT)变换,利用Itti视觉模型,划分出视觉显著区域,然后采用DC-QIM量化将置乱后的二进制水印信息嵌入非显著区域,保证水印的嵌入对视频质量的影响最小。实验结果表明,算法具有良好的不可见性,以及对常见攻击较好的鲁棒性。

基于DSP的车载智能移动报警监控系统设计与实现

针对车载智能监控的要求,设计一种嵌入式车体移动报警安全监控系统。系统以TMS320DM642芯片为核心,采用简化的Itti模型来提取监控画面的颜色和亮度特征,并检测和分割出感兴趣区域(Regions of Interest)。根据ROI质心相似度的变化来判断车辆状态。实验结果表明:该系统较为准确地检测和分割感兴趣区域,并能对其进行实时地监控;系统对车辆状态的判断和报警可靠性较高。