面向目标检测的视觉注意机制波段选择研究

近年来,波段选择在高光谱图像降维处理中得到了广泛地应用,然而常用的数据降维方法并没能将与人类视觉系统相关的信息进行有效利用,如果将人类与生俱来的视觉注意机制能力应用到高光谱图像中目标的视觉显著性特征的增强或识别,对于高光谱图像的目标检测研究无疑会产生相当的促进作用。研究提出引入视觉注意机制理论应用于波段选择研究,构建面向目标检测应用的视觉注意机制波段选择模型。通过分析计算波段图幅的目标与背景的可识别程度,量化所在波段对地物目标与背景的判别能力,提出了基于目标视觉可识别度的波段选择方法;利用LC显著性算法进行空间域的视觉显著性目标分析,计算背景与目标的显著性差异绝对值,提出基于LC显著目标结构分布的波段选择方法。将这两种方法结合提出的改进子空间划分方法,建立面向目标检测的视觉注意机制波段选择模型,并经高光谱遥感AVIRIS San Diego公开数据集进行目标检测实验验证,结果表明所提出的基于视觉注意机制的波段选择模型对于目标检测应用具有较好的检测效果,实现了数据降维和高效的计算处理。

单帧红外弱小目标检测技术研究现状与展望

红外探测技术具有探测距离远、抗干扰能力强、隐蔽性强和全天候等优势在天基预警、末敏弹制导等领域得到了广泛应用。通过红外成像技术能够得到目标图像从而对目标进行预警、识别和跟踪。在实际场景中,目标图像往往所占像素比例小,信号强度低,容易湮没在背景图像中;背景图像变化剧烈,存在较强的结构信息、边缘和噪声,红外图像信噪比低,目标检测难度较大,一直是目标检测领域的研究难点和热门话题。为提高红外图像弱小目标检测能力,大量的弱小目标检测算法被提出。现有的主流的检测手段根据图像数据检测方式分为单帧检测和多帧检测两大类,多帧算法依赖大量的图像数据支撑,响应周期长,应用潜力低,而单帧检测算法凭借复杂度低、时效性强、便于硬件实现等特点,被广泛应用在高速运动目标检测、预警等领域。因此本文以单帧红外弱小目标检测算法为主体,从技术方向入手,着重阐述了基于滤波、基于对比度与显著性分析、基于数据优化和深度学习四类单帧弱小目标检测算法的原理与近年来的典型应用,通过仿真试验和算法复杂度对比了不同算法的性能、优势和不足,总结了弱小目标检测算法的研究现状并对本领域的发展趋势进行了展望。本文的工作能帮助读者快速了解本领域的研究现状,为研究人员提供参考。

基于SPIHT和视觉显著性检测的彩色图像水声信道传输

在学术和工程领域,如何在带宽严重受限的水声信道中获取具有一定可用性的彩色图像一直是一个备受关注的问题。文章提出了一种新的水下彩色图像传输方法,利用基于分级树集合分裂(Set Partitioning in Hierarchical Trees,SPIHT)算法的图像渐进传输和视觉显著性检测,在复杂多变、带宽严重受限的水声信道中获得可用性较好的水下彩色图像。该方法根据信噪比动态调整数据传输方案,并使用红色通道补偿来提高频域中显著性检测的准确性。然后使用SPIHT渐进传输图像,并在接收端通过导向滤波解决高降采样率引起的块效应,以获得高质量的水下图像。实验结果表明,所提出的方法在压缩水下彩色图像方面具有一定的适用性。

结合视觉显著性和EfficientNetV2的舰船目标检测方法

随着光学遥感图像分辨率逐渐提高,对海面舰船目标快速精准检测成为海事研究的基本挑战之一。为了解决检测过程中面临的待检测图像尺寸大而目标稀疏、复杂环境干扰、目标提取时效性差、模型体积计算量大等问题,提出一种实用的舰船检测方案。引入视觉显著性有效加速预筛选过程,利用小波分解系数表达舰船目标区域与背景的差异,抑制噪声的同时增强目标方向特征,通过改进的四元数傅里叶变换相位谱模型(phase spectrum of quaternion Fourier transform,PQFT)生成显著图,并采用Gini指数引导多尺度显著图融合以增强图像尺度适应性及小目标显著性。与其他显著性方法相比,提出的模型能够有效抑制云、雾、海杂波、舰船尾迹等复杂环境的干扰,与经典的滑动窗口或其他区域建议方法相比产生更小的候选区域集合。得到显著图映射后,采用自适应阈值OTSU法对显著图进行二值分割。在目标判别阶段,利用轻量化网络EfficientNetV2有效剔除虚警。实验结果表明,所提出的船舶检测方法鲁棒性高,准确率高达96%,满足实时性需求。

A computational coding model for saliency detection in primary visual cortex

This study researches the coding model adaptive for information processing of the bottom-up attention mechanism.We constructed a coding model satisfying the neurobiological constraints of the primary visual cortex.By quantitatively changing the coding constraints,we carried out experiments on images used in cognitive psychology and natural image sets to compare the effects on the saliency detection performance.The experimental results statistically demonstrated that the encoding of invariant features and representation of overcomplete bases is advantageous to the bottom-up attention mechanism.

基于视觉显著性的海面舰船检测技术

海面舰船检测技术有着特殊的军用以及民用意义,为了在宽广且环境复杂多变的海面上快速、高效、精确地检测到舰船目标,本文提出了一种基于多特征、多尺度视觉显著性的海面舰船检测方法.该方法充分利用了四元数图像可在多个通道上同时进行操作,节省操作时间,并保证不同尺度特征之间关联性的特点;除此之外,该方法还利用人眼对不用大小的图像关注目标不同的特点对图像进行尺度大小变换以避免漏检.该方法先用顶帽算法对原图进行简单的图像预处理以抑制云层、油污的干扰;其次提取多种特征构成四元数图像进行舰船目标显著性检测;在得到显著图后利用OTSU分割算法确定舰船所在的区域,并在原图上标定、提取舰船目标.通过在多种海面情况下分别进行实验分析,实验结果表明该算法可以排除云、雾、油污等干扰,精确、快速地检测到舰船目标,真正率达96.52%,虚警率低至2.11%,相较于他显著性检测算法在舰船检测方面有明显的优势.

波纹干扰抑制下内河CCTV系统运动船舶检测

传统运动船舶检测方法不能较好的描述水面波纹起伏运动背景问题。针对水面波纹扰动问题,提出了一种融合视觉注意机制和改进的混合高斯背景建模技术的综合船舶检测策略。利用运动船舶导致水域空间不连续的特点,根据视觉注意机制生成显著图。船舶目标敏感区域对应较高的显著度,空域连续的水面区域呈现较低的显著度,对合成显著图进行自动阈值分割滤除波纹背景区域。将视觉注意机制与基于改进的混合高斯建模背景减除法检测结果进行融合得到运动船舶在当前帧的位置。实验结果表明,改进算法的船舶检测性能明显优于传统的混合高斯背景建模方法,同时对水面波纹扰动的鲁棒性能也显著提高。

基于直线邻近平行性和GBVS显著性的遥感图像机场目标检测

现有的全色遥感图像机场目标检测方法,对机场目标的直线特征利用得非常有限.提出一种同时利用自顶向下和自底向上显著性机制的新方法.利用线段检测算法检测直线,通过跑道线段间邻近、平行且长度范围一定的特点,提出了邻近平行性的概念,可以深度挖掘机场跑道几何关系的先验知识.同时使用简化的基于图的视觉显著性模型,提取自底向上的显著性.两者协同得到机场的候选位置.最后,通过尺度不变特征变换提取特征,利用支撑向量机进行判决,可以精确定位机场目标.在具有各种类型的机场图像数据库上的实验结果表明,相对于其他方法,所提议算法具有速度快、识别率高、虚警率低的优势,同时对于复杂背景具有更强的鲁棒性.

融合独立分量分析和视觉显著性的烟雾分割检测算法

在烟雾前景分离中,针对传统高斯混合模型分离的前景仍存在大量噪声点的问题,将独立分量分析(ICA)应用于分离烟雾前景,对传统烟雾前景分离算法进行改进。算法通过ICA消除烟雾前景和背景间的二阶和高阶相关,降低非烟雾成分的干扰;并通过基于图的视觉显著性(GBVS)来缩减预判的烟雾前景区域,得到较为纯净的烟雾区域。实验结果表明,与基于混合高斯模型的烟雾检测算法相比,该算法提取的烟雾区域小而集中,主观视觉评价以及客观指标均显示算法的识别效果更优。

轴承外观缺陷检测算法设计与仿真

为了使轴承表面缺陷检测工序实现自动化,提高出厂产品的总体质量,目前机器视觉检测被广泛应用于轴承外观缺陷检测。论文专门针对CCD工业摄像头采集到的轴承外观图像,综合了中值滤波、圆心标定、最小误差分割法、canny算子边缘检测等机器视觉图像检测方法,设计了一套缺陷检测算法并且对此算法进行仿真。仿真结果表明,该算法通过对机器视觉图像进行一系列分析处理,可顺利实现对轴承表面缺陷的自动检测,提高了轴承外观检测精度和检测效率。

基于概率图与视觉显著性的海面目标检测方法

针对基于视觉的传统海面目标检测算法在水面无人艇的自动避碰应用中存在检测精确率、召回率低以及对复杂场景的适应性不足的问题,提出一种基于概率图与视觉显著性的海面目标检测算法。首先利用概率图模型分割出原始图像中的海界限区域与海面孤立目标;然后针对海界限区域子图像特点,设计了一种基于方向抑制的梯度特征,并结合背景先验改进频率调谐显著图,利用特征融合的方法提取海界限区域的潜在目标。实验结果表明,该算法能够有效抑制云、飞鸟、海天线和海杂波的背景干扰。与传统方法相比,提出的方法具有更高的精确率与召回率,且满足无人艇自动避碰实时性的要求。

基于视觉显著性的机场跑道异物检测技术

针对不同种类机场跑道环境下的小目标检测问题,提出一种基于多尺度融合超复数傅里叶变换的视觉显著性检测算法。利用二维Log⁃Gabor滤波器模仿人类视觉感受野提取经快速导向滤波算法后的预处理图中的颜色、亮度、纹理方向特征;根据所得特征构造各尺度下的超复数图像,并求其快速傅里叶变换相位谱再进行滤波,通过反变换后进行多尺度归一化获取视觉显著图;最终利用自适应阈值分割提取前景任务目标,实现机场跑道异物目标检测任务。实验结果表明,该算法相较于传统频域显著性算法检测准确率更高,虚警率更低,在多类机场跑道路面场景检测中能取得较好的检测效果。

基于显著区域提取的红外图像舰船目标检测

针对复杂海面背景下红外图像舰船目标由于灰度不均匀、海杂波干扰大等因素造成的自动检测虚警率高、准确率低的问题,提出了一种显著区域提取和目标精确分割相结合的红外舰船目标检测方法。首先,利用基于图论的视觉显著性(Graph-based Visual Saliency,GBVS)模型计算待检测图像的显著图,使得目标区域信息增强;其次,结合舰船目标先验信息(长短轴、面积等),利用多级阈值划分算法提取关注的显著区域,并确定原图中候选目标区域;最后,利用空间约束模糊C均值(Fuzzy C-Means,FCM)算法对候选区域进行分割,结合目标先验知识对分割区域筛选并输出目标位置。所提方法在公开数据集IRShips上与相关方法进行比较,结果表明,相比直接进行全图目标搜索的方法,所提方法不仅准确率高、执行速度快,且检测目标的位置更加精确。

基于SNS 3维关系图生成方法探究

为了充分利用SNS理论设计关系网络并进行科学的管理,分析了目前使用的2维关系模型中存在的缺点,需要解决在同等关系的节点相对较多的情况下,位置冲突的问题。因此,本研究采用3维立体图形显示的方法,将关系节点的显示扩展到一个球面,有效的避免了节点冲突,并对3维立体图形的生成进行了分析、设计和通过创建Silverlight应用模拟实现关系节点间3维可视化显示。

基于谱残差和聚类法的运动目标检测研究

传统基于特征点匹配的目标检测算法目标识别率低、误检率较高是因为特征点匹配不准确、目标轮廓不连续。针对这一问题,分别引入谱残差算法和k-means聚类算法,并加以改进,提出一种基于谱残差算法和k-means聚类算法的运动目标检测算法。具体方法是:首先,每隔两帧提取加速鲁棒特征SURF并对图像配准,再对帧差结果采用谱残差算法提取视觉显著性特征,去除因匹配不准确造成的噪点和伪运动目标;其次,形态学处理之后引入改进后的k-means聚类算法,对不连续的轮廓进行聚类;最后形成完整的目标。实验显示,本文算法目标识别率达到90.61%,误检率达到21.25%,分别优于传统基于SURF特征的运动目标检测算法66.60%的识别率、31.91%的误检率和基于新的局部不变性特征ORB匹配的目标检测算法87.573%的识别率、26.80%的误检率。虽然该算法平均运行时间为18fps,但仍可以满足视频流畅的需求,因此动态背景下该算法可做为一种有效的运动目标检测算法使用。

基于视觉显著性的船舶结构缺陷检测研究

针对船舶结构缺陷图像中背景结构复杂,缺陷不易检测的难题,提出基于视觉显著性的缺陷检测算法。该算法采用自适应全变分模型替代FT算法的高斯滤波器并融入H分量来构建改进型FT算法,以增强缺陷图像背景的平滑和缺陷局部颜色对比度的表达能力;利用SMD算法捕捉图像结构信息及分解图像特征矩阵,凸显船舶缺陷与背景的差异性;通过自适应融合算法将改进型FT算法和SMD算法生成的显著图融合为综合显著图。对船舶缺陷进行对比实验,结果表明,提出的算法能够有效检测出船舶缺陷区域,提高缺陷检测精确率。

基于视觉显著性的PCB荧光涂覆检测技术研究

针对印刷电路板荧光涂覆区域的检测应用,研究了基于视觉显著性的检测算法,对比分析了基于RGB、HSV、Lab颜色空间分割、基于频率调制、基于图模型流行排序的检测算法。实验结果表明:基于RGB、HSV颜色空间分割的抗光噪声能力差,荧光区域在亮度对比度较低的情况下不易被检测;基于频率调制的检测算法具有良好的抗光噪声性能,可以较为准确地检测出荧光区域的轮廓,但小面积区域容易被忽略误检;基于Lab空间分割的检测算法具有较高的检测精度和效率,可以准确检测出荧光区域的外部轮廓和内部纹理,同时也具有良好的抗光噪声性能,是一种理想的荧光涂覆检测算法。

基于视觉显著性的高分辨率遥感图像目标检测算法

基于FT视觉显著性检测技术设计了高分辨率遥感图像目标检测方法。首先,对高分辨率遥感图像进行预处理。其次,应用FT显著性区域提取算法提取高分辨率遥感图像中的显著目标区域。然后,应用Otsu阈值分割算法对图像进行分割,将遥感图像中的显著性区域分割出来,再应用数学形态学处理对显著性区域进行区域连通。最后,实现对遥感图像中显著目标的定位。在多幅高分辨率遥感图像上的实验结果验证了该方法的有效性。

基于单帧图像的红外弱小目标检测技术研究综述

红外探测系统以其隐蔽性好、穿透能力强等优点广泛应用于航空航天、军事侦察等领域。但该系统的观测距离较远,且目标往往呈现弱小状态,所以针对单帧图像的红外弱小目标检测一直是红外探测领域的难点和研究热点。基于滤波、视觉显著性、图像数据结构和深度学习四个方面,对当前单帧红外弱小目标检测算法进行了详细综述,最后对红外弱小目标检测技术进行了总结与展望。

一种超像素区域相似性度量的遥感信息提取算法

为了解决目前主流的显著性检测算法在复杂多目标遥感图像中检测能力不足的问题,提出一种基于超像素区域相似性度量的显著目标提取算法。该算法利用简单线性迭代聚类方法对原始图像进行超像素分割,通过基于图论的视觉显著性方法检测出显著超像素,并对其修正得到显著目标提取的训练样本,进一步逐层计算全体超像素区域与显著超像素区域的相似性并转化为超像素区域的隶属度值,最后实现对整幅超像素图像的显著目标提取。实验结果表明,该算法具有较高的准确率和召回率,能更加有效地检测出遥感图像中的显著目标,提取效果优于主流的显著性检测算法,还可以有效应用于复杂多目标的遥感图像显著目标信息提取中。