视频图像ROI区域像素差值的分析与应用

l案例资料某案视频监控画面远端停放一辆越野小轿车，该车附近有两名嫌疑人，一人深色着装、一人浅色着装（见图1），需要研判驾驶人的衣着特征。经检视，分析该案视频文件至少存在几个突出难点：图像分辨率低（352×288），不能提供足够大的画面；案件监控时间为夜晚，周围环境较暗，环境光复杂（路灯、居民用灯，汽车强光灯）；核心要素在画面远端角落等。按照常规的反复观察、特征比对等方法，难以获取价值线索。本案拟比较图像ROI（Region0fInteresting）区域的像素差值，进而实现对视频的分析，以提供侦查线索。具体分析如下：

基于SURF的ROI区域的可逆水印算法

针对ROI水印算法对几何攻击的抵抗能力较弱的问题,本文提出一种基于SURF(Speeded Up Robust Features)特征点选取ROI,并分别嵌入中、低频子带的可逆水印算法,能有效抵抗几何攻击。该算法首先提取载体的SURF特征点,然后对载体图像进行5/3整数小波变换,筛选出感性兴趣区域(ROI)的低频系数和非感兴趣区域(ROB)的中频系数;水印经过置乱变换和抽样金字塔分解,水印分解后的近似子带嵌入感兴趣区域的低频子带中,残差子带嵌入非感兴趣区域的中频系数中。实验数据表明该算法能够抵抗常规的几何攻击和信号攻击,提取的水印相似度高,NC值均保持在0.89以上,具有良好的可逆性和鲁棒性。

基于动态识别ROI区域的车道线检测技术

车道线检测是智能网联汽车的关键技术,传统车道线检测方法易受到复杂背景信息中非车道线直线段的影响,造成车道线检测的鲁棒性和识别率不佳.为了提高车道线检测的鲁棒性和准确率,本文通过动态识别ROI区域,剔除非车道线的图像RGB信息,限制Hough变换检测空间,提出一种基于动态识别ROI区域的车道线检测技术.通过实验表明,相对于传统方法,该技术能有效的滤除背景图像中建筑物,车辆和信号塔等非车道线直线段的影响,提高车道线检测的鲁棒性.

JPEG2000及其兴趣区域(ROI)编码在数字图书馆中的应用

介绍了静止图像压缩标准 JPEG2 0 0 0独特的编解码机制 ,对于传输带宽有限的情况 ,提出了采用兴趣区域( ROI)编码技术实现在数字图书馆图像检索中的应用 ,介绍了 ROI掩模的生成以及 ROI编码的实现。

JPEG2000标准中ROI感兴趣区域编码的改进算法

分析了小波压缩的相关理论知识,着重对JPEG2000系统中的ROI功能进行了研究,实现了ROI的构思和实用算法,给出了性能分析,进而分析了目前ROI算法的局限性并给出了ROI的改进算法,做出了相应的实验结果分析。

基于SURF和动态ROI的实时视频拼接

为解决含有运动物体的视频拼接问题及解决不同景深下的目标拼接等此类问题,提出一种基于SURF和动态ROI方法的双目摄像机视频图像快速拼接方法。通过RANSAC方法与单应性矩阵平滑方法估计双目摄像头视频图像变换模型,融合成宽场景的视频图像。由于选取了动态ROI之后不进行重叠区域之外的SURF特征提取,提高了特征匹配的精准度,避免了ROI之外的误匹配特征点对,同时减少了程序的耗时。大量的实验结果表明,该系统能够自适应的对双目摄像头采集的图像进行视频拼接,获得清晰的宽场景视频。

磁共振质量控制检测中感兴趣区域大小对信噪比测量的影响研究

目的:探讨感兴趣区域(ROI)的大小对磁共振质量控制检测中信噪比(SNR)测量的影响,为磁共振质量控制检测进行SNR测量时ROI的选取提供参考依据。方法:依据国家卫生行业标准《医用磁共振成像(MRI)设备影像质量检测与评价规范》(WS/T263-2006),采用Magphan SMR170型MRI性能测试体模(简称体模),在进行3次检测后对MRI设备进行质量控制检测,在得到的质量控制图像上选取SNR测量层面,并在其层面上的图像中央区域依次选取200 mm^(2)、300 mm^(2)、400 mm^(2)……4200 mm^(2)以100 mm^(2)递增的41个圆形ROI,依照SNR计算公式计算SNR值,生成随ROI大小变化的SNR曲线,得到ROI大小对SNR的影响。结果:采用体模对MRI设备进行质量控制检测,所选取的图像中央区域ROI大小对SNR影响较大,当ROI>1000 mm^(2)时因为SNR基本趋于稳定而无法及时发现其变化,不能真实反映SNR的波动。而当ROI<1000 mm^(2)时,随着ROI大小的增加,信号均值增加缓慢,噪声增加幅度较大,随着ROI的增加SNR下降的更快而越来越小,最后趋于稳定。结论:采用体模对MRI设备进行质量控制检测,测量SNR时建议图像中央区域的ROI大小选取≤1000 mm^(2),且每次测量均需选取相同的ROI,可如实反映SNR的变化,确保其每次测量结果具有可比性。

无砟道床板间相对位移测量中感兴趣区域自动提取方法

轨道结构作为高速列车行车的基础,必须保证其良好的在役服役性能,有效地实现无砟道床板间位移测量是实现铁路无砟轨道结构服役状态保持的重要措施。针对无砟道床板非接触式位移测量中感兴趣区域(Region of interest,ROI)自动提取问题展开研究,提出一种基于Faster R-CNN(Faster Regions with CNN)的ROI区域自动提取方法,阐明无砟道床板间位移机器视觉测量原理和实现方法的计算流程。基于Keras图像数据增强模型进行无砟道床板间位移目标库的增加,建立人工标靶数据集。通过CNN中卷积层对测量数据进行特征映射图提取,计算映射图中每个特征点的标靶概率,通过分类和边框回归,精确标记图像中的人工标靶。通过安装某250 km/h的双块式无砟轨道线路的典型测点进行Faster R-CNN算法的准确性和有效性验证。研究结果表明:道床板ROI自动提取算法的召回率为99.16%,准确率为98.91%,可以有效满足无砟道床板间位移测量中精度和准确率的要求;与其他的常用YOLO v3,SSD和Fast R-CNN等ROI算法相比,Faster R-CNN方法的计算效率较好、准确率最高,虽然计算效率上略有不足,但可满足铁路轨道状态实际监测的需求。建议在无砟轨道位移非接触式测量中采用基于Faster R-CNN的ROI自动提取方法,以有效地监测铁路基础设施服役状态。

粗糙集在智能空瓶检测感兴趣区域提取中的应用

为实现空瓶检测中感兴趣区域ROI的自动精确标定,介绍了一种基于粗糙集不可分辨关系划分及粗近似进行ROI区域提取的新方法。首先,基于先验知识描述,确定粗略ROI区域,然后,提取和ROI区域标定有关的底层图像特征如灰度、边缘、位置等,在对特征属性离散化后,构造出反映分类关系的信息表,并依据不可分辨关系划分获得基本像元区域,最后,以初始ROI区域的上近似作为最终提取的ROI区域。在瓶身及瓶口的ROI区域提取实验中,该方法可以获得比人工标定更为精细的ROI区域,有利于提高后续检测过程中的检测精度。

基于人眼视觉特性的ROI编码

研究了等级树集分割编码方法(SPIHT)在ROI图像编码中的应用。根据SPIHT编码方法的特性、ROI区域小波系数提升后整幅图像小波系数的特点及人眼视觉特性,提出改进算法。同时提出质量等级因子的概念并给出了其数学表达式。本文提出的改进算法可在保证ROI质量等级的同时提高整幅图像的主观效果。仿真实验证明了改进方法的有效性及质量等级因子的调节作用和其公式的正确性。

面向ROI编码的立体图像比特分配策略分析

为了提高基于感兴趣区域（ROI）的立体图像编码的效率，从人眼视觉感知的角度提出了一种探寻合理的立体图像比特分配策略的方法。该方法设计了两个主观实验，其中实验I对各种比特分配策略下的失真立体图像进行视觉质量评价，而实验II在实验I的基础上对所有失真立体图像进行两两对比实验。实验结果表明：合理的比特分配策略对基于ROI的立体图像编码至关重要，且与图像内容无关，但与立体图像质量档次有关；在立体图像ROI采用量化参数（QP）为22、27、32、37的4种不同质量档次编码时，对应的合理分配策略下非ROI与ROI之间QP差异值分别约为9、6、3、3；立体图像ROI与非ROI比特分配策略的确定，能够在保证立体图像整体主观质量不变的同时有效地提高立体图像的编码效率。

基于感兴趣区域搜寻的机载下视阵列3D SAR波数域快速成像方法

3维波数域成像处理方法对回波信号距离历程不做近似,成像重建精度高。机载下视阵列3D SAR跨航向阵列长度相比跨航向幅宽小很多,需将回波信号尺寸补零到成像场景尺寸以防止FFT时出现卷绕,过高的补零倍数给波数域成像处理带来内存需求和运算量的激增。如果能够仅对ROI(Region Of Interest)而非整个观测场景进行成像处理就能够极大程度降低补零倍数,提高该算法的时效性。该文提出的波数域快速成像方法首先在波传播-航迹向和波传播-跨航向完成两次2维成像处理,结合两次2维成像处理结果确定ROI,最后使用3维波数域算法对ROI进行3维精确重建。实验数据验证了该文算法的有效性。

面向雾天的双先验兴趣区域车道线识别算法研究

为提高浓雾工况下车道线识别的准确率,开发一种基于改进暗通道优先和双先验兴趣区域(ROI)的雾天车道线识别跟踪算法。首先,依据改进暗通道优先算法对雾天图像静态ROI-I进行去雾处理;再按照Scharr滤波器和大津法得到该区域二值化图像,并通过Hough变换精确提取车道线;以此为基准,用Kalman预测器预测下一帧图像中车道线可能出现的动态ROI-II区域;最后采用改进的去雾算法对ROI-II区域去雾,利用B样条插值对该区域车道线进行拟合。结果表明,该算法在薄雾工况下的识别准确率可达99%,在浓雾工况下也能达到96%。

基于ROI的压缩域多谱段遥感图像的检索

根据JPEG2000对感兴趣区域优先编码,以及感兴趣区域的形状可随意选取的特点,提出了一种在JPEG2000压缩码流不完全解码的情况下,实现多谱段遥感图像感兴趣目标的检索方法,该方法利用了遥感图像的性质,根据例子图像的谱特征对感兴趣区域的内容进行分析,并设计了一套相似性度量的方法。实验结果表明,此方法有较理想的图像检索效果和很高的检索效率,解决了应用上对实时性的高要求与遥感图像库数据海量性之间的矛盾。

基于ROI多特征和相关反馈的图像检索算法

本文提出了一种基于感兴趣区域(ROI)综合多特征和相关反馈的图像检索算法。在对图像进行四叉树分解的基础上,由用户选择感兴趣区域,综合颜色、纹理和形状三种底层特征进行多层感兴趣区域检索;由相关反馈技术体现用户感知的主观性,通过调整感兴趣区域、特征间、特征内的权重来提高查准率。给出了改进的CBIR通用模型和特征权重模型。实现了一个图像检索原型系统,将不同实验结果进行了比较和分析,实验结果表明,该文提出的方法具有良好的检索效果。

一种基于上下文的医学图像ROI分类方法

感兴趣区域(ROI)的分类是医学图像的计算机辅助诊断过程的最后一步,传统方法只针对每个ROI区域单独提取特征,再利用统计学习的方法训练分类器进行分类.然而图像中每个区域所包含的视觉特征有限,很难进行准确的分类.文中提出一种基于LDA主题模型的改进模型(LDAC),考虑ROI周围区域,即图像的上下文关系,通过利用LDA对ROI周围区域所包含的上下文信息进行建模,同时结合ROI区域的视觉信息和类别标签,从而辅助ROI区域的分类,以达到提高分类准确率的目的.乳腺图像肿块分类实验表明,文中方法可提高分类的准确性.

一种新的掌纹ROI图像定位方法

在分析传统Harris算法缺陷的基础上,提出一种基于角点检测的快速掌纹图像预处理方法。该方法利用一种改进的自适应Harris算法提取出手掌边缘和手指凹凸处的轮廓特征点,采用属于同一特征组的特征点均值作为候选角点,剔除了邻近角点,并根据候选角点在轮廓线上角度变化的大小定位手指根部的三个关键角点,从而有效提取出掌纹图像的感兴趣区域(ROI)。实验测试图像采用CASIA数据库,实验结果表明,该方法能快速有效地定位出掌纹的ROI区域,且能有效增强掌纹图像的边缘与细节,有利于提高掌纹识别的识别率。

面向肺癌CAD系统的感兴趣区域特征选择与分类算法

本文重点研究ROI的特征提取与分类方法.首先,根据医学征象对ROI进行特征提取;为了提高分类的准确性,采用概率分布可分性对原始提取的特征进行特征选择.然后,利用SVM对选择的特征进行定量描述;采用特征量化参数对Mahalanobis距离进行加权改进,加权的Mahalanobis距离使类间差别明显增大.最后采用加权改进后的Mahalanobis距离将ROI分类为结节或非结节.利用所提ROI特征选择和分类算法进行肺结节检测实验;肺结节检测灵敏度为94.6%,漏诊率为5.4%,可以为医生进行肺癌早期诊断提供帮助信息.

卫星云图感兴趣区域自动提取方法研究

卫星云图中人们感兴趣的区域(ROI)往往是各类云团,针对卫星云图内容的复杂性,利用直方图模糊加权C均值聚类方法实现云图的图像分割,对分割结果进行后处理,最终获取云图内的感兴趣区域。常规聚类方法需要人工指定类个数,影响了ROI提取过程的自动化程度。引入修正聚类评价指标,基于该指标实现最佳类别个数的自动确定。云图分割是感兴趣区域提取过程的关键,采用的直方图模糊加权C均值聚类方法在原有算法基础上,引入样本权重概念,使得聚类过程更为合理;同时将聚类对象由原始像素转换为灰度直方图,提高了聚类过程执行效率。实验结果表明设计的感兴趣区域提取方法能较为准确地分辨出陆地、水体、低云、中云、卷云、对流云六类区域,提取结果与客观实际一致。

可视ROI信息隐藏技术研究

图像信息的安全保护问题越来越受到重视,感兴趣区(ROI)的局部图像信息保护具有广阔的应用前景;文中提出一种用户定义感兴趣区域(ROI)的图像信息隐藏算法,提出将置乱技术与混沌加密技术相结合,实现图像的ROI加密隐藏,解决涉密图像在公共网络上传输的安全问题;实验结果表明,该算法加密效果好,加密强度高,能够方便地实现ROI的图像信息加密隐藏和解密。