邻域级和超像素级差异图融合方法

考虑到传统代数运算法生成的合成孔径雷达(Synthetic Aperture Radar, SAR)图像的差异图变化区域和未变化区域对比度差,噪声鲁棒性弱,提出一种邻域级和超像素级差异图融合方法。首先通过对两期图像进行超像素分割,利用超像素结合对数运算获取超像素差异图;其次将相似性差异图和超像素差异图在邻域内进行融合;最后利用迭代阈值技术获取变化检测结果。真实的SAR数据集变化检测结果表明:该方法获取的差异图在噪声鲁棒性和对比度上均展现不错的优势,变化检测结果的kappa值在0.8以上,其可视化结果和评价指标均优于对比方法。

物体轮廓形状超像素图割快速提取方法

提出一种水平集框架下物体轮廓形状超像素图割快速提取方法.该方法首先均匀化放置种子点,通过对超像素化演化力的设定,生成具有区域相似特征的超像素,这些超像素对原图像的划分既能保持目标轮廓形状的几何特性,又可避免超像素间的互相重叠.然后构建超像素标号和Heaviside函数的关联关系,应用图割建立M-S能量函数的优化模型.最终利用超像素图割提取目标轮廓的几何形状.实验表明,超像素化的图像像素数目大幅度减少,转化后的优化模型符合图割对能量函数进行优化的要求,图割中最小割/最大流方法避开微分方程的求解,这些措施在保证轮廓形状提取效果的基础上提高提取效率.

基于帧间相关性的乳腺MRI三维分割

针对乳腺磁共振图像序列的肿瘤分割问题,提出一种基于超像素和改进C-V模型的三维全自动分割方法.该方法利用磁共振图像序列的帧间相关性,约束相邻帧图像的分割轮廓.采用超像素算法提取肿瘤的大致轮廓,再用改进的C-V水平集算法对可疑区域边缘进行优化,使其更接近肿瘤的实际边缘.将该方法及3种对比方法应用于89例乳腺MRI序列图像.以手动分割的轮廓为基准,该方法得到的平均重叠率为87.84%,,相比于C-V模型的58.90%,、超像素和水平集结合的76.36%,、K均值+C-V的83.62%,,有明显提升.实验结果表明,该方法的全自动分割结果对于肿瘤起始和终止帧图像具有较高的分割精度.

一种新的图像超像素分割方法

针对现有超像素分割方法无法自动确定合适的超像素数目,以及难以有效贴合图像目标边界等问题,该文提出一种新的利用局部信息进行多层级简单线性迭代聚类的图像超像素分割方法。首先,运用基于局部信息的简单线性迭代聚类(LI-SLIC)对原始图像进行超像素初分割,然后,根据超像素的色彩标准差对其进行自适应多层级迭代分割,直至每个超像素块的色彩标准差小于预设阈值,最后,利用相邻超像素间的色彩差异对过分割的超像素进行合并。为验证方法的有效性,该文采用Berkeley, Pascal VOC和3Dircadb公共数据库作为实验数据集,并与其他多种超像素分割方法进行了比较。实验结果表明,该文提出的超像素分割方法能更精确贴合图像目标边界,有效抑制图像过分割和欠分割。

基于超像素的多特征融合的水平集轮廓跟踪

在水平集轮廓跟踪框架中设计一个判别式速度函数对于有效引导轮廓进化非常重要。该文提出一个超像素驱动的速度函数建模方法,该模型融合了互补的表观和运动信息。在表观特征层,通过引入一种有效的中层视觉特征-超像素,建立基于核密度估计的判别式表观模型区分目标和背景。同时,利用运动光流场的统计信息,设计了一个可以自适应选择的阈值来区分和增强目标和背景的相对运动。最终,在决策层基于半朴素贝叶斯框架进行两种特征的融合,形成一个具有竞争能力的速度场引导水平集轮廓进化。在多个具有挑战的视频序列上的一系列实验验证了该方法的有效性和鲁棒性。

融合高低层多特征的显著性检测算法

针对单一显著性特征无法全面表达图像显著性致使显著性检测精度不高等问题,本文提出了一种多特征融合的显著性检测算法。算法在高层先验知识基础上,对靠近中心的超像素设置高显著值,利用高斯分布求解中心先验;在底层特征上融合图像的边界稀疏、全局对比度、颜色空间分布和超级像素差异等4种显著特征,利用类间差异最大阈值对高低层特征进行线性和非线性融合,最终得到高质量的显著图。在MSRA-1000、SED、SOD 3个公开的数据集上进行实验,结果表明:本文算法融合得到的显著图边缘清晰、显著区域突出均匀,在有效抑制背景信息的同时所得显著图像视觉感知更好,与其他显著性算法相比查全率和查准率上至少提高3.4%。

基于超像素与BoF的运动目标跟踪算法

针对由遮挡、光照、形变等干扰产生的漂移问题,提出基于超像素和BoF的运动目标跟踪算法。此算法首先利用SLIC方法对运动目标的观测区域进行超像素分割,然后基于超像素构造中层视觉线索的超像素字典以及低层像素特征的BoF字典,实现对运动目标表观模型的混合建模,最后引入粒子滤波框架和在线字典更新,以适应目标和背景的变化。实验结果表明,该算法能够很好地应对严重遮挡、非刚性变换、复杂背景等干扰因素的影响,具有很好的稳定性和鲁棒性。

基于运动显著图和光流矢量分析的目标分割算法

为提高运动目标分割算法对多种复杂场景的自适应能力和分割精度,提出一种基于运动显著图和光流矢量分析的目标分割算法。该算法首先基于运动显著图提取运动目标的大致区域,然后利用光流矢量获得运动目标和背景区域的运动边界,并结合点在多边形内部原理得到运动目标内部精确的像素点,最后以超像素为基本分割单元,通过引入置信度的概念实现最终像素一级的目标分割。通过与典型算法进行多场景实验对比,表明该算法能够有效实现多种复杂场景下的运动目标分割,并且较现有算法具有更高的分割精度。

基于图像级标签的弱监督图像语义分割综述

依据图像级标签位置推断方式的不同,将基于图像级标签的弱监督图像语义分割划分为基于超像素的方法和基于分类网络先验的方法,并分别从各类方法的原理、优缺点、关键环节、主要技术、特征、超像素/候选区域分割方式、种子区域产生方式、网络结构和数据集等方面进行了详细的分析和总结。其次,对基于图像级标签的弱监督图像语义分割常用的数据集和评价指标进行了总结,并对各数据集的特点进行了详细的描述。最后,在MSRC、PASCAL VOC 2012、MS COCO和Sift Flow数据集上对基于图像级标签的弱监督图像语义分割方法的性能进行了对比与分析,并分别从面向大规模多媒体分享网站大数据、特定应用场景、图像级标签位置推断策略三个研究方向对弱监督图像语义分割的研究方向进行了展望和预测。

水平集超像素及贝叶斯框架下的显著性检测

针对数字图像显著性检测过程中对超像素的分割及相应显著值的计算不准确问题,提出了一种基于水平集超像素和贝叶斯框架的数字图像显著性检测和更新算法.首先,对基于灰度不均匀的水平集方法的结果先进行分割合并操作,可以得到适应图像不同区域大小的水平集超像素.其次,使用图像内部与边缘超像素之间的颜色和距离差异来构建显著性图.接着,使用水平集超像素来表示显著区域,以图像边缘部分的超像素为基础,基于K均值聚类算法并在贝叶斯框架下提出三种更新算法,用来更新显著性图从而得到显著性结果;更新算法可以进一步提高显著图的准确率、召回率、F值这3个指标,降低平均绝对误差.最后,提出了基于人脸识别的检测算法来处理包含有人的图片.在三个公开的数据库上进行了定性和定量的大量实验评测,结果表明本文提出的显著性检测方法和更新算法在准确率、召回率、F值及平均绝对误差这四个指标上均优于FT、CA、XL、MR、w CO、BSCA等已有的图像显著性检测经典算法.

融合语义先验和渐进式深度优化的宽基线3维场景重建

目的基于视觉的3维场景重建技术已在机器人导航、航拍地图构建和增强现实等领域得到广泛应用。不过,当相机出现较大运动时则会使得传统基于窄基线约束的3维重建方法无法正常工作。方法针对宽基线环境,提出了一种融合高层语义先验的3维场景重建算法。该方法在马尔可夫随机场(MRF)模型的基础上,结合超像素的外观、共线性、共面性和深度等多种特征对不同视角图像中各个超像素的3维位置和朝向进行推理,从而实现宽基线条件下的初始3维重建。与此同时,还以递归的方式利用高层语义先验对相似深度超像素实现合并,进而对场景深度和3维模型进行渐进式优化。结果实验结果表明,本文方法在多种不同的宽基线环境,尤其是相机运动较为剧烈的情况下,依然能够取得比传统方法更为稳定而精确的深度估计和3维场景重建效果。结论本文展示了在宽基线条件下如何将多元图像特征与基于三角化的几何特征相结合以构建出精确的3维场景模型。本文方法采用MRF模型对不同视角图像中超像素的3维位置和朝向进行同时推理,并结合高层语义先验对3维重建的过程提供指导。与此同时,还使用了一种递归式框架以实现场景深度的渐进式优化。实验结果表明,本文方法在不同的宽基线环境下均能够获得比传统方法更接近真实描述的3维场景模型。

一种高效的三维视频深度图帧内编码算法

针对三维视频深度图的压缩问题,提出一种高效的帧内编码算法.该算法根据深度图的典型特征,通过二级变换有效减少了原始深度图的数据量.首先利用深度图由大片均质区域构成以及深度图边缘与对应视频图像边缘呈高相关性的特性,采用超像素分割和赋值策略对原始深度图进行尺寸变换;然后利用深度图灰度等级偏少的特性,采用直方图统计策略对深度图进行灰度变换;最后采用H.264无损帧内编码算法对二级变换后的深度图进行编码以实现对深度图边缘的有效保护.实验结果表明:与现有算法相比,本文算法大幅提高了深度图编码效率和虚拟视点合成质量.

基于协同聚类和权重注意力稀疏自编码网络的变化检测方法

遥感变化检测对于监督和管理土地资源利用具有重要作用.针对监督变化检测需要人为干预训练样本的劣势、不平衡数据问题以及基于像素变化检测中的"椒盐"现象,提出基于协同聚类和权重注意力稀疏自编码网络的变化检测方法.方法采用模糊c均值和K-means对差异图协同聚类得到训练和待分类数据,同时在样本中考虑灰度共生矩阵特征,并利用合成少数过采样方法扩充变化样本以解决样本不平衡问题.通过逐层权重注意力模块加强网络对正权重的学习和削弱负权重的影响,自编码分类性能得到提升,其分类结果在差异图超像素分割边界的映射空间中根据约束条件剔除"椒盐"噪声生成变化检测图.所提出方法在变化检测中实现漏检测与误检测平衡,达到了提高变化检测精度的同时减少人为干预的目的.