基于双目视觉的显著性目标检测方法

针对现有的显著性目标检测算法在受到相似背景干扰时,易出现目标检测准确度低、稳定性差的问题,提出一种基于双目视觉的显著性目标检测方法。受人眼视觉特性启发,将双目视觉模型感知的深度信息作为显著性特征与多特征聚类分割结果进行协同处理,定量分析图像区域级的深度显著性,再将全局显著性与区域深度显著性进行加权融合,突出目标区域,根据融合结果的区域分布进行背景抑制,完成显著性目标的检测。实验结果表明,与现有的显著性目标检测算法相比,该算法有效地抑制了相似背景的干扰,并且准确度高、稳定性好。     

水下结构状态观测中的悬浮杂质遮挡消除方法

水下结构状态视觉检测过程中，观测相机镜头易受到水体中枯叶、藻类等悬浮杂质遮挡，导致水下结构表观影像信息丢失，影响检测效果。针对该问题，利用水下视频序列中的帧内空间信息与帧间运动信息，提出一种悬浮杂质遮挡消除方法。根据相邻帧间的光流场分布信息，提出位移补偿策略，消除相机移动导致的帧间背景偏移；结合悬浮杂质成像特性，建立动态视觉感知模型，在对齐后的相邻帧基础上，实现不同形态悬浮杂质的准确检测；构建一种混合引导修复模型，确立帧间最优互补信息，还原悬浮杂质遮挡区域。在构建的真实与合成数据集上的测试结果表明，本文方法能够准确检测并消除悬浮杂质的遮挡，处理后的图像质量在多项指标上均得到明显提升。