基于复合感受野的轮廓检测算法

自然场景自动检测目标轮廓是非常困难的。该文提出了一种基于复合感受野的图像轮廓检测仿生模型。在传统的基于抑制模型的基础上引入去抑制机制,在减少背景纹理干扰的同时,保护较弱的轮廓,从而尽量保持轮廓的完整性。实验结果表明,这种仿生模型可以有效地抑制纹理边缘,减少对轮廓的破坏,提高了自然背景中轮廓检测的性能。     

基于双视通路交互感知的轮廓检测方法

基于生物视觉系统存在双视通路(VP)交互感知的机制,该文提出一种图像轮廓检测的新方法。首先针对皮层下视通路中视觉刺激流经多级不同尺度的感受野,提出一种多尺度轮廓融合的轮廓感知模型;接着基于皮层上视通路的对比度适应机制和方向敏感特性,获取显著性视觉特征;然后模拟双视通路的交互感知机制,分别在V1皮层中,构建一种信息流交互引导的脉冲编码模型,提取显著性轮廓;在上丘(SC)浅层提出一种特征调制的非经典感受野侧抑制模型,实现纹理抑制;最后对双视通路中的轮廓响应结果进行修正融合,得到最终轮廓响应。针对RUG40图像库的测试,整个数据集的最优平均P指标和每张图的最优平均P指标分别为0.51和 0.57;针对BSDS500图像库的测试,数据集尺度上最优(ODS)为0.68。结果表明该文方法能有效突显主体轮廓并且抑制纹理背景。通过该文提出的轮廓感知方法,为后续基于视觉机制的图像理解和分析提供了一种新的思路。     

基于初级视觉系统原理的边缘检测方法

在现今的图像处理与计算机视觉的基本问题之中,边缘检测占据着极大的地位或者可以说起着极其重要的作用,其对数字图像之中亮度变化的标识作用十分的明显。其中对于深度上、表面方向的不连续、物质属性以及场景照明的变化的标识和处理都起着至关重要的基础性作用,其方法也是多种多样的。通常情况下都是基于搜索和零交叉的方式,通过计算阶段导数的计算,以确定所要检测的阈值。近年来随着检测方法的更新与变革,越来越多的处理需要与视觉上的感知、认知相结合来解决多种复杂的、简单的相关问题。检测中对位置、形状、颜色、运动以及亮度等特性基于视觉系统的认知原理也拥有了相对较高的要求。本文通过对初级视觉原理在边缘检测方法相结合以及应用做了简单的阐述,并验证了其可行性。     

基于可变形轮廓片段的物体检测

针对实际场景中的物体遮挡,背景复杂和待测物体偏离图像中心等影响检测结果的问题,本文提出一种新颖物体特征：可变形轮廓片段。该特征更贴切的描述待检测物体的边缘信息。利用Real AdaBoost算法,可变形轮廓片段级联成强检测器,用于物体检测。实验验证,本算法具有很好的检测效果和鲁棒性。     

基于邻近轮廓片段的物体检测

本文提出一种新颖的物体特征：邻近轮廓片段。该特征能够很好的描述物体边缘特征,而且具有尺度不变性。利用该特征训练得到的SVM检测器,在物体检测过程中取得了很好的效果。经实验验证,该特征非常适合用于物体检测。     

基于偏振检测技术的海面太阳耀光抑制方法

为了更好地抑制太阳耀光对海面目标探测的影响,基于偏振检测技术并结合背景水体、太阳耀光与典型海洋目标三者之间的偏振特性差异提出了一种海面太阳耀光抑制方法.分析了观测天顶角、太阳天顶角对太阳耀光背景下海面目标偏振度以及海面目标与太阳耀光背景对比度的影响,结果表明,在晴朗天气下对海面目标进行探测时,背景辐射主要受太阳辐射从海...     

基于背景抑制和特征点检测的目标检测算法

空域远距离红外目标探测系统中,飞行目标多表现为点状或面状的小目标,像素数少,且常伴有低空地面物体的干扰.根据空域和地面在梯度变化上的不同和目标本身的特性,提出了一种基于地面背景抑制和特征点检测的红外空中目标检测算法.分析了地面和空域在梯度变化上的特点,根据梯度变化大的像素的整体统计信息划分了空域和地面在图像中的分布,再通过特征点检测实现了候选红外飞行目标的检测.该算法适用于纯空域和低空背景,经过对实际采集的大量红外图像的仿真表明,本文提出的算法具有很强的实用性和鲁棒性.     

基于轮廓波的纹理图像特征提取方法

文利用轮廓波分解的方向性和能量变化特性,提出了一种适用于纹理图像的特征提取方法。该方法首先通过方向可控滤波器（Steerable Filter）获得纹理图像的角度信息,然后进行轮廓波分解提取纹理在不同分解方向上的特征向量,最后将纹理的角度和方向分解的能量信息一起作为纹理的特征。由于轮廓波的方向和分解层次数目可以灵活地调节,因此特征值数量也是调节的,以达到最好的识别分类效果。本文利用简单的距离分类器对所提出的算法进行了验证,以Brodatz纹理库中的旋转纹理图像为标准,纹理分类的结果达到了满意的效果。      

基于SUSAN算子的嘴部轮廓特征提取方法

针对人脸识别中的嘴部定位部分轮廓缺失问题,提出了一种由粗到精的快速准确的嘴部轮廓特征提取方法。该方法是在人脸检测的基础上采用改进的SUSAN算子提取嘴部边缘轮廓信息,通过几何特征和搜索区域相结合的方法实现了嘴唇轮廓的精确定位。仿真结果表明,该定位方法快速有效,正确率较高。     

基于背景抑制的4种红外小目标检测算法比较

背景抑制是红外小目标检测的关键技术.对空域高通滤波、最大中值滤波、单一结构元素形态学和多结构元素形态学的背景抑制原理进行分析,并在云杂波背景条件下对4种算法进行仿真并作比较.仿真结果表明多结构元素形态学算法性能最好,最大中值滤波算法次之,单一结构元素形态学算法稍差些,高通滤波算法最差.     

一种基于生物视觉感知的轮廓检测模型

提出了一种基于生物视觉的轮廓检测模型.该模型首先在研究初级视皮层结构的基础上,模拟了单个细胞的响应函数.然后通过构造一个新的邻域影响因子来描述感受野神经元间的相互影响.所提模型在充分考虑邻域刺激与中心神经元间距离、相对位置、最优朝向的差异影响下,有效地抑制了背景纹理的干扰,增强了具有相同结构神经元的响应,得到了清晰的轮廓.仿真实验表明,本模型克服了传统算法的不足,具有更好的检测准确性和稳定性,并在实际检测中得到满意的结果.     

基于Cauchy分布的红外视频运动目标检测

基于柯西分布统计模型和梯度信息,提出了一种用于热成像(红外)图像序列中行人目标检测的统计背景剔除方法.它不依赖传统红外行人检测方法的"热场"(hot-spot)假设(即认为人体区域总比周围环境热),而是用一种快速动态背景的重建方法建立初始化背景Gaussian模型,简化了Cauchy分布的参数估计问题.基于Gauchy分布的背景剔除被首先用来识别局部兴趣区域(Regions-Of-Interest,ROI).在每个兴趣区域将当前图像和背景图像的梯度信息组合成一个梯度图.对梯度图进行各向异性滤波和运用最大类间方差法进行自适应阈值处理后获得行人目标区域.经多组实验及与其他方法比较,结果表明提出的方法对热成像红外视频人体目标的位置和形状实现了较精确的检测,对环境、时间变化、极性翻转、"晕轮"效应等产生的影响,以及背景中杂波的干扰具有较好的鲁棒性.     

基于Contourlet变换的红外图像序列小目标检测技术

Contourlet变换具有多尺度,多方向性的特征,是小波的一种扩展.本文提出了一种基于Contourlet变换的红外小目标检测算法.首先对图像进行Contourlet分解;然后利用能量法提取其局部纹理特征,并计算各点的特征向量与中心向量问的距离,得到一个相关的多尺度距离像;最后根据该距离像进行直方图统计,从而实现目标的检测.文中给出了实验结果,并与基于小波变换的红外小目标检测算法进行了比较,结果表明,本方法能较精确地检测出红外小目标,优于基于小波变换的方法.     

基于多滤波器集成的边缘检测

该文用多种滤波器从图像中提取灰度分布特征;针对不同类别的边缘,分别用不同的灰度分布特征组合进行检测;把不同类别边缘的检测结果集成以实现图像边缘检测。本文所提方法把边缘检测转化为模式识别问题,从而增加了边缘检测的灵活性,同时也提高了检测质量。实验结果表明该方法具有较好的检测效果和抗噪能力。     

一种用于光谱图像的基于邻域背景检测的矢量滤波器

提出了一种通用性强的非线性矢量数字滤波器———基于邻域背景统计的矢量滤波器,该滤波器既可用于光谱图像又可用于灰度图像,具有腐蚀小面积奇异像元的作用,可以消除图像噪声和光谱散点,同时保持原有的光谱信息不变,此外还对图像边缘有一定的锐化作用.文章设计了该滤波器的一种简化实现算法,并给出了航空高光谱图像和彩色图像的处理实例,实验结果显示该滤波器滤波效果良好,对光谱图像的噪声消除和边缘检测都有很大帮助.     

基于K—L变换的红外图像弱小目标检测与分析

针对红外图像中的目标对比度低、尺寸小及背景复杂等特点,利用正交变换去相关特性,提出了一种改进的K－L变换和广义K－L变换的红外弱小目标检测与描述方法,从而实现低信噪比条件下红外弱小目标的检测。     

自适应结构化背景和形状特征子空间高光谱图像多类目标检测

针对高光谱图像中目标形状特征已知,背景和目标光谱特征未知时的多类小目标检测问题,给出一种检测算法.通过高光谱图像数据样本二次型的高阶矩控制点扩散函数,获取自适应结构化背景;然后,利用目标形状先验信息构造形状特征子空间,在高维光谱特征空间实现形状特征子空间匹配检测.理论分析和实验结果表明该检测器可同时有效检测具有不同形状特征的多类目标.     

基于光谱解译的高光谱图像奇异检测算法

奇异检测是高光谱图像的重要应用之一.针对目前研究中存在的问题,提出了一种新的基于光谱解译的奇异目标检测算法,用于高光谱图像处理.该算法利用光谱解译技术有效地实现了目标信息和复杂背景的分离,很好地抑制了背景对检测的干扰.解译后的误差数据仅包含丰富的目标信息且更好地服从高斯分布.利用主成分分析对解译误差数据进行变换,根据高阶统计量,定义局部平均奇异度来选择对于奇异检测最有效的主分量,并利用RX算子完成最终检测.为验证算法的有效性,利用真实的AVIR IS数据进行了仿真实验.结果表明该算法能够较大地改进经典RX算法的检测性能.     

基于谱熵的语音检测

根据离散余弦变换(DCT)特性和最大离散熵定理,该文提出利用短时语音余弦变换谱的谱熵进行语音信号检测(Voice activity detection)。在强噪声环境下,传统的能量,过零率,相关等检测方法将会失效,而谱熵法则具有稳健的抗噪特性。计算机模拟显示这是一种比较好的抗噪语音检测方案.     

基于两时相图像联合分类的SAR图像变化检测

传统分类后比较法(post-classification comparison,PCC)存在分类累积误差问题,且对单幅图像分类精度要求较高,对此,根据不同时相图像的不变信息所具有的相关性,提出了一种基于两时相图像联合分类的SAR图像变化检测方法.该方法以灰度值作为输入信息,通过相似度计算可得两时相图像对应位置像素的灰度相似度,然后求解全局相似度阈值,并用于控制基于K-均值的联合分类器对两时相图像进行联合分类,最后通过类别比较获得变化检测结果.实验结果表明本文方法不但可提高单幅图像的分类精度,而且能够精确地把不同时相图像的不变地物信息划分为同一类别,减少了分类累积误差的影响,提高了变化检测性能.