嵌入掩膜的SPIHT任意形状ROI编码

感兴趣区域(ROI)编码可以在低码率条件下获得高质量的局部感兴趣区域,或在图像渐进传输中使感兴趣区域获得优先传输。本文在分析了当前各类ROI编码方法的基础上,基于SPIHT算法提出了一种支持多个任意形状感兴趣区域并生成可任意截断码流的ROI编码算法。该算法在SPIHT算法中嵌入了重要系数的ROI掩膜信息,使编码器同步地进行图像和ROI形状的编码,使得生成的码流具有任意可截断的特性。文中还就图像ROI编码的质量评价指标进行了讨论,并给出了一种充分考虑ROI和背景的重要性与面积比例差别的图像质量评价指标,称为重要性-面积加权峰值信噪比(WPSNR)。实验结果表明,该算法支持有损到无损的多个任意形状ROI的图像编码,而且ROI优先级可调,能够生成具有嵌入式可截断性质的码流,在任意地方截断仍能保证解码器所需的图像信息和ROI掩膜信息,且计算复杂度和SPIHT相当,压缩效果高于BbB移位算法。适用于低码率应用或感兴趣优先渐进传输的应用。

基于边缘特征增强的任意形状文本检测网络

在场景文本检测方法中,文本实例的边缘特征与其他特征在大多数模型中都是以同样的方式进行处理,而准确检测相邻文本边缘区域是正确识别任意形状文本区域的关键之一.如果对边缘特征进行增强并使用独立分支进行建模,必能有效提高模型的标识准确率.为此,提出了三个用以增强边缘特征的网络模块.其中,浅层特征增强模块可有效增强包含更多边缘特征的浅层特征;边缘区域检测分支将普通特征和边缘特征进行区分以对目标的边缘特征进行显式建模;而分支特征融合模块可将两种特征在识别过程进行更好的融合.在将这三个模块引入渐进尺度扩张网络(Progressive scale expansion network, PSENet)之后,相关消融实验表明这三个模块的单独使用及其组合均可进一步增加网络的预测准确率.此外,在三个常用公开数据集上与其他十个最新模型的比较结果表明,改进后得到边缘特征增强网络(Edge-oriented feature reinforcing network, EFRNet)的识别结果具有较高的F1值.

任意形状林业目标物的像素级自动标注算法

在林业智能应用问题中,经常需要对遥感图像中的非刚性目标如“火”“烟”“云”等进行识别。由于此类目标物受限于颜色不确定(或渐变)以及无固定形状,导致现有图像标注方法的性能不佳甚至失效。因此,针对如何准确地选择目标物的兴趣区域(region of interest,ROI),进而提高像素标记的速度以及准确率进行了研究。针对图像目标物形状的非凸性,提出了任意形状ROI的像素级自动标注算法,该算法可将任意形状的兴趣区域转化为多个凸区域问题,针对分解后的每个凸壳内的像素进行提取、训练、标记。基于无人机拍摄的高清图像集,通过将其与边界框法、凸壳法、图像分割以及图像抠图方法进行实验对比,证明该方法存在易操作,符合人类视觉,求解速度快,可批量操作,且能够实现非刚性目标的像素级自动标注等特点。

一种圆形感兴趣区域图像压缩算法

研究了圆形感兴趣区域,推导了相应的掩码计算公式,将多级树集合分裂算法(Set partitioning in hierarchical trees,SPIHT)加以改进,得到适用于圆形感兴趣区域的图像压缩算法.实验结果表明,本文提出的圆形感兴趣区域掩码计算公式简单实用,改进后的压缩算法效果明显.

基于感兴趣区的图象近无损压缩

无损感兴趣区 (L ossless Region of Interest(ROI) )图象压缩方法 ,即在感兴趣区采用无损压缩 ,而在其他区域采用有损压缩 ,从而保证了重要信息不丢失 ,并尽可能提高图象的压缩比 .在整形小波变换 (IWT)和嵌入式零树编码的基础上 ,实现了无损感兴趣区 (L ossless ROI)的图象近无损压缩 .并提出了一种小波变换域形状编码算法——树映射形状编码 ,同时给出了算法的原理及实现 ,并进行了相关实验 ,实验结果表明 ,该算法能够提高压缩效率 。

三维重磁交互解释及区域与局部异常的分离

探讨了三维重磁交互解释的方法技术，提出构制任意形状三维物体模型的用于计算机的橡皮膜技术．针对通常分离区域与局部异常所存在的问题，提出在异常交互解释过程中同时进行异常分离的方法，并提出相应的算法．最后介绍一个应用实例．

基于层次与密度的任意形状聚类算法

结合层次聚类算法和密度聚类算法,提出一种新的任意形状聚类算法,以密度峰值点为初始聚类中心将数据集划分为大量子簇。根据聚类合并准则,对簇间边界区域密度大于等于其中任何一个簇平均密度的相邻子簇进行合并。通过动态建模方法进行子簇合并,无需人工输入终止参数即可自动确定聚类终止点。在测试数据集和真实数据集上的实验结果表明,该算法对输入参数的选择具有鲁棒性,能有效识别任意形状、大小和密度的聚类,并且适用于密度分布不均匀的数据集。

基于对象的小波变换在MPEG-4任意形状图像编码中的应用

任意形状图象对象的变换编码方法是 MPEG- 4视频编码实现的核心技术之一 .该文对基于对象的小波变换在任意形状图象编码算法中的应用给予了详尽的论述 .基于对象的小波变换包含两个步骤 :一是针对任意形状对象进行外插 ,使其可以运用规范的小波变换 ;二是进行小波系数的编码选择 ,以消除外插所产生的冗余 .实验结果表明 :基于对象的小波变换与诸如 SADCT等方法具有相似的低复杂度 ,性能相当 ;并且 ,在低比特率的情况下 ,其编码效果要优于

低码率下任意形状感兴趣区域编码

针对任意形状感兴趣区域(ROI)编码算法在低码率下ROI重建质量差、编码时间长等问题,在优化的集合分裂树算法(SPIHT)基础上提出了一种适用于低码率的任意形状ROI编码方法。利用小波系数之间的空间位置相似性和所用小波滤波器的特征,以极少的码率实现了任意形状ROI掩模的描述,为提高算法效率奠定了基础;利用改进后的空间方向树结构以集合的形式测试ROI区域中更多的节点,提高了SPIHT中分类排序的扫描效率;以小波子带为单位的量化方法通过为每个小波子带选择合适的量化阈值优化了码流的输出,提高了低码率下ROI的重建质量。实验表明,提出的方法支持对多个任意形状ROI的编码;在不到0.04bit/pixel的码率下描述出了整幅图像中任意形状ROI的掩模信息;在码率小于0.5bit/pixel时,ROI的峰值信噪比(PSNR)比基于JPEG2000的多子带位平面平移(MSBShift)方法提高了2～7dB,编码时间缩短了30%以上。该方法具有ROI的重建质量高、编码速度快等特点,适于在低码率下应用。

一种基于人眼视觉特性的小波图像压缩模型

如何将人眼视觉特性结合到压缩编码技术中,以去除图像中的视觉冗余,是当前数字图像压缩领域中的热点问题。根据人眼的视觉选择特性以及JPEG2000感兴趣区域编码思想,并考虑到JPEG2000所采用的两种感兴趣区域编码方法的局限性,提出了实用的基于人眼眼视觉特性的小波图像压缩模型。并通过试验验证了该模型的性能,试验结果表面由该模型方法得到的重建图像的感兴趣区域质量较好,并且感兴趣区域的边缘部分更加清晰。

基于ICF和多级分类器的交通标志检测

针对传统的基于积分通道特征(ICF)和Adaboost交通标志检测算法,召回率过低和误检率过高的问题,提出了一种两阶段交通标志检测方法。第一阶段对ICF进行谱聚类并结合Adaboost算法学习得到目标感兴趣区域(ROI);第二阶段对所获得的感兴趣区域进行直方图均衡化,利用尺度不变特征变换(SIFT)描述子与支持向量机(SVM)分类器相结合,提高了目标区域检测的准确性。通过德国交通标志数据集(GTSDB)的验证,结果表明:采用SICF-Adaboost+SIFT-SVM构建的交通标志级联分类器检测算法相对于传统的ICF-Adaboost算法召回率高且误检率低,适用于真实场景下的交通标志检测。

邻域密度网格聚类算法及应用

聚类作为数据分析的工具之一,已在模式识别、文献计量及故障诊断等领域中发挥了重要作用。该文基于邻域关系、局部密度和空间网格划分提出了一种聚类方法。该方法主要利用空间网格降低计算复杂度,利用邻域关系在网格空间中以密度为依据搜索聚类元素,并根据最大相对距离和最大相对密度原则自动寻找聚类中心。基于人工数据的实验结果表明,所提邻域密度网格聚类方法可有效处理任意形状数据并自主完成聚类。基于区域识别的对比实验表明,所提方法更适用于处理奇异形状且分布复杂的数据。

基于fMRI的图像底层特征关注研究

利用fMRI技术对人脑认知机制进行研究,分析人脑在进行图像认知时所关注的图像特征。首先通过1个功能磁共振成像实验为每个被试定位了脑内的形状、纹理和颜色的感知区域,将这些区域作为研究中的感兴趣区域。然后通过另1个功能磁共振成像实验计算了被试在观看人脸、公共汽车、恐龙及山脉冰川图像刺激时感兴趣区域内的平均信号变化的比例。通过进行数据分析,确定了被试在观看不同类别的图像时,对图像底层特征的关注是不相同的。