静态图像中的感兴趣区域检测技术

感兴趣区域(ROI)检测将人类的视觉注意机制引入到图像分析过程中,对于提高现有图像分析系统的工作效率有着积极的作用。本文对当前静态图像中的ROI检测技术进行了评述。在分析了ROI检测的产生背景之后,首先介绍了人类的视觉注意机制,随之从自底向上和自顶向下两个方面详细讨论了当前较具代表性的ROI检测算法,然后列举了一些主要的ROI应用方向,最后对ROI检测技术的发展前景进行了展望。

ATR算法稳定性评估方法

提出了一种ATR算法目标识别率稳定性评估方法,阐述了该方法所采用的数学模型及原理。运用此方法对一个基于一维距离像的ATR算法进行了稳定性评估。理论分析和评估实例表明所提方法具有实用价值。

基于预检验的快速随机抽样一致性算法

随机抽样一致性算法RANSAC(randomsampleconsensus)是在计算机视觉领域内应用最广泛的Robust估计算法之一,但是RANSAC算法计算效率较低.提出一种基于模型参数预检验的快速RANSAC算法(previewmodelparametersevaluationRANSAC,简称PERANSAC).算法在RANSAC算法模型参数检验前,加入预检验过程,在保证计算结果置信概率不变的前提下,过滤掉大量偏差较大的模型参数,提高了RANSAC算法的整体效率.模拟数据和真实图像数据实验结果表明,此算法和RANSAC算法计算精度保持一致,计算速度高于RANSAC算法.

自动检测图像目标的形态滤波遗传算法

提出了一种实现形态滤波器参数优化设计的遗传学习算法 (Genetic Training Algorithm forMorphological Fitters,GTAMF) .采用新的交叉与变异算子——曲面体交叉与主从式变异 ,通过优化搜索全局以获得滤波性和时效性兼优的形态滤波器参数 .实验结果表明该方法设计方便 ,实用性强且易于推广 ,对提高形态滤波性能效果明显 .分析表明 ,形态滤波器可分解为形态学运算和结构元选择两个基本问题 ,形态学运算的规则已由定义本身而确定 ,于是形态滤波器的最终滤波性能就仅仅取决于结构元的选择 .通过自适应优化训练使结构元具有图像目标的形态结构特征 ,从而赋予结构元特定的知识 ,使形态滤波过程融入特有的智能 ,以实现对复杂变化的图像具有良好的滤波性能和稳健的适应能力 .

一种稳健的直线提取算法

直线是图像分析中一种非常重要的中层描述符号 .已有的提取算法较多 ,但都存在一些缺陷 ,限制了它们的使用范围 .提出一种稳健的直线提取算法 ,设计了一系列的方法来克服实际图像中存在的种种干扰和噪声 .首先提取并细化边缘 ,然后利用卡尔曼滤波器跟踪边缘点 ,获得直线支持区 ,最后设计一种稳健的方法来拟合直线支持区 .实验结果表明 ,这种算法具有良好的性能 。

TMS320C6678多核DSP的核间通信方法

嵌入式应用中采用多处理系统所面临的主要难题是多处理器内核之间的通信。对Key-Stone架构TMS320C6678处理器的多核间通信机制进行研究,利用处理器间中断和核间通信寄存器,设计并实现了多核之间的通信。从系统的角度出发,设计与仿真了两种多核通信拓扑结构,并分析对比了性能。对设计多核DSP处理器的核间通信有一定的指导价值。

基于视点转移和视区追踪的图像显著区域检测

借鉴心理学中有关视觉注意的研究成果,提出了一个基于视点转移和视区追踪的显著区域检测模型.它首先通过视点转移利用全局显著性度量找到显著区域的位置,然后通过视区追踪利用局部显著性度量确定显著区域的尺寸,并通过视点转移与视区追踪的循环交替依次得到一系列显著区域.根据该模型开发出了一个新的显著区域检测算法.将其应用于多种真实图像,在检测效果、运算速度和抗噪能力等方面均获得了较为满意的实验结果.

基于骨架特征的机场主跑道识别

基于骨架对跑道区域进行表示,从骨架图中检测骨架分支基元,计算分支基元的显著性度量并建立分支基元之间的邻接关系。针对机场跑道区域具有的几何特征,采用脊柱基元表示条状区域,将脊柱基元的宽度、长度和方向信息作为脊柱基元的显著性度量,借助先验知识,检测得到主跑道的脊柱基元,识别主跑道。选取一幅某机场遥感图像作为实验分析,验证了算法的可行性。

基于多尺度变形模板的目标检测与识别

在分析现有模板匹配算法存在问题的基础上 ,提出一种基于多尺度变形模板的新方法 .它在已有的 Snake算法基础上 ,加入了形状约束 ,并利用小波变换的多尺度特性 ,使得匹配过程在由粗至精的尺度上进行 ,从而使运算速度大大提高 ,对噪声的敏感程度也相应下降 .而轮廓初始化是在较粗的尺度上 ,利用 Hausdorff距离初步匹配得到的 ,漏警概率较低 .实验结果与理论分析相吻合 ,验证了算法对多类目标适用 ,具有速度快、精度高和对图像畸变、噪声与遮挡不敏感的优点 .

一种基于匹配滤波的红外小目标检测系统

低信噪比条件下的小目标检测问题一直是近些年来国内外学者研究的一个热门课题。目前,围绕这一课题已经发展了许多有实际意义的检测算法和处理机体系结构。本文在总结前人研究成果的基础上,针对复杂背景红外图像的统计特性,提出了一种基于组合式空间匹配滤波器的运动小目标检测方法。

基于单视图的多姿态人脸识别算法

针对基于多视图的多姿态人脸识别方法的缺陷 ,即需要对每个人脸拍摄多个视图为前提条件 ,提出了基于单视图的多姿态人脸识别技术 .首先基于二元高次多项式函数最小二乘拟合方法由单视图通过变形生成多姿态人脸图像 ,然后基于该单视图和生成的多姿态图像进行多姿态人脸识别 .实验结果表明该文算法识别的正确率远高于经典算法 .

基于模糊密度分解的遥感图像光谱和纹理信息的融合

根据遥感图像的纹理特征具有不确定性和各类别的分类精度有较大差异的特点 ,针对常用的表示分类器置信度的模糊密度 ,在信息融合过程中 ,存在削弱低置信度分类器中高精度类别对融合结果起作用的问题 ,提出了一种对模糊密度进行分解的模糊积分方法 ,分解后的模糊密度表示分类器中各类别的置信度 ,从而突出了分类器中类别的分类精度对系统最终决策的重要程度 .

SAR与可见光图象匹配方法的研究

由于 SAR和可见光成象传感器图象的物理特征不同 ,因此进行匹配难度很大 .本文在深入分析了这两种传感器图象物理特征的基础上 ,提出了一种图象匹配的新方法 .该方法运用形态学滤波方法去除 SAR图象斑点噪声 ,利用图象的边缘特征进行匹配 ,并采用多分辨率分级搜索技术减少计算量 ,在对实验结果进行分析的基础上提出了搜索真实匹配位置的准则 ,大大提高了匹配的准确率 .通过实验对 SAR图象斑点噪声滤波和 SAR与可见光图象匹配算法进行了验证 ,实验证明本算法的 SAR图象去噪效果明显优于传统的 Frost方法 ,图象匹配精度高、稳定性好 .

图像序列弱小目标能量积累检测研究

低信噪比运动小目标实时检测是成像探测应用中的难题。在分析目标检测不同层次处理方法的基础上,针对计算量最大的目标能量积累检测层次提出一种采用指数衰减和方向加权动态规划能量积累检测算法。该算法解决了常规能量积累检测算法实时性差、检测概率低的问题。算法简洁,易于硬件实现,实时性好。给出了算法的实验结果和结论。

遥感道路的场景感知与分类检测

基于人类视觉的感知组织和分类融合的基本原理,对遥感图像道路目标的感知模型进行了改进,改进模型分为像素、基元、结构和目标4个处理层次,比传统模型增加了道路场景的自动分类和多类型道路的整合连通2个子过程.基于该模型,提出了一种遥感图像道路检测算法,根据不同的道路场景定义了块状和线状2种不同的道路基元,并分别利用不同方法加以提取、度量和连接.2种基元的连接都采用了显著度驱动的层次性搜索策略.所有连接的路段最终都以中心主线的形式统一描述,并被整合为平滑的全局道路曲线.实验结果表明,该算法能从实际的卫星图像中检测出多种类型的道路,并具有较好的适用能力和有效性.

基于视觉注意的遥感图像分析方法

该文根据人类视觉系统的生理结构与认知特点，提出了一个基于自底向上视觉注意的遥感图像分析模型，并在此基础上开发出了一种新的遥感图像分析方法。该方法在一定程度上具各了类似于人类视觉系统的选择性加工能力。将其应用于多种类型的真实遥感图像，获得了较为满意的实验结果。

基础矩阵估计的聚类分析算法

提出一种基于聚类分析的Robust基础矩阵估计算法.该算法用高斯混合模型描述匹配点估计余差,采用改进的分裂合并EM算法对匹配点估计余差进行聚类分析,根据分类结果及平均余差最小规则筛选出正确匹配点类别,抛弃错误匹配点;最后,用M估计算法对筛选出的正确匹配点进行迭代求精.大量实验结果表明,文中算法比随机抽样一致性算法的估计精度高,且计算效率高.

复杂空间背景下的弱小目标检测方法

空间环境弱小目标检测是光学成像制导的关键技术之一。当目标与探测器相距较远时,获取的光学图像中目标呈现为无纹理结构特征的弱小点光源。由于各种噪声的干扰,很难把目标与噪声区分开来。介绍了一种基于广义似然比检验的弱小目标检测方法。首先,对空间环境和目标灰度分布特性进行分析,把空间成像目标灰度变化建模为一种强度值围绕固定值发生正弦的变化过程。采用行列均值相减法进行背景抑制,校正探测器响应的非线性,提高图像信噪比。对经过能量累积后图像进行广义似然比判决,从噪声中检测出弱小目标,分析了检测性能,验证模型的合理性。实验证明该算法能够有效检测出空间背景下的弱小目标。

多分辨率形态学目标检测

用形态小波变换得到图像的塔式表示,并从最低分辨率到原始分辨率由粗到精地提取目标区域·在每个分辨率上,先应用分水岭变换分割该分辨率下的低频分量(或上一级分辨率得到的标记图),得到一个标记图;再用一个区域搜索策略来更新该标记图·对多类目标的实验结果验证了该算法具有速度快、精度高和对噪声不敏感的优点·

一种提取直线的随机方法

基于 Hough变换提取直线的方法 ,由于要预先量化参数空间 ,因此需要很大的存储量和计算量 .基于RHT(Randomized Hough Transform)提取直线的方法是通过随机选取两个点得到直线的参数 ,而后在参数空间对相应的参数进行累加、判断 ,该方法虽然无需预先量化参数空间 ,但是其在直线检测时 ,收敛速度慢 .为此提出一种新的随机检测直线 (Random L ine Detection)的方法 ,在图象边缘点构成的数据空间中随机选取 3个点 ,根据距离准则获得一条可能的直线 ,然后在数据空间中进一步判断直线的真实性 .实验证实了该方法能有效的减少存储空间并降低计算量 .