基于生物视觉特征和视觉心理学的视频显著性检测算法

提出了一种空域和时域相结合的视频显著性检测算法.对单帧图像,受视觉皮层层次化感知特性和Gestalt视觉心理学的启发,提出了一种层次化的静态显著图检测方法.在底层,通过符合生物视觉特性的特征图像（双对立颜色特征及亮度特征图像）的非线性简化模型来合成特征图像,形成多个候选显著区域;在中层,根据矩阵的最小Frobenius-范数（F-范数）性质选取竞争力最强的候选显著区域作为局部显著区域;在高层,利用Gestalt视觉心理学的核心理论,对在中层得到的局部显著区域进行整合,得到具有整体感知的空域显著图.对序列帧图像,基于运动目标在位置、运动幅度和运动方向一致性的假设,对Lucas-Kanade算法检测出的光流点进行二分类,排除噪声点的干扰,并利用光流点的运动幅度来衡量运动目标运动显著性.最后,基于人类视觉对动态信息与静态信息敏感度的差异提出了一种空域和时域显著图融合的通用模型.实验结果表明,该方法能够抑制视频背景中的噪声并且解决了运动目标稀疏等问题,能够较好地从复杂场景中检测出视频中的显著区域.     

基于双阈值视觉注意模型的图像关注焦点检测

 图像关注焦点（FOA）检测是基于人眼视觉关注模型的图像感兴趣区提取的关键技术。为了更加精确、合理地搜索图像关注焦点,提出一种基于双阈值视觉关注模型的FOA检测算法。算法首先提取图像的亮度、颜色、方向和离散矩变换（DMT）特征,生成各个特征对应的特征图;然后将各特征图合并为一张包含多种特征的显著图;最后根据显著图的灰度直方图建立静态阈值与动态阈值,确定图像关注焦点的位置与数量。实验结果表明：新算法在图像关注焦点检测的准确性上较Itti模型有更为优秀的表现,更符合人眼视觉的关注习惯。     

一种基于视觉底层特征的图像质量评价方法

把视觉底层特征概念引入到客观图像质量评价中,提出了一种基于不同图像视觉底层特征的质量评价方法。在基于Itti计算模型和视觉底层特征最佳权重的基础上,对4种类型图像提取底层视觉特征显著图,利用特征最佳权重值,组合归一化形成视觉计算显著图,通过直方图相似度计算分析各显著图。实验结果与主观评价结果具有较好的一致性,且优于基于传统Itti模型和SSIM模型的图像质量评价方法。不同类型的图像需要充分考虑各特征的权重大小,使其能真实反映视觉感兴趣区域的特征属性,更好地评价失真图像的质量。     

高分辨率合成孔径雷达图像舰船目标几何特征提取方法

针对高分辨率合成孔径雷达图像设计了一种舰船目标几何特征提取算法.通过视觉注意机制检测目标区域的算法,通过频谱残差视觉显著计算模型求取显著图,完成显著区域的检测以实现舰船目标的初步定位,基于获得的视觉显著图采用最大熵算法完成阈值分割筛选出舰船区域.在提取的舰船切片的基础上,采用针对几何特征的提取算法,经图像预处理、方位角估计、旋转获取最佳表征舰船目标几何轮廓的外接矩形,相对有效准确地提取几何特征;最后,采用典型的TerraSAR-X数据进行仿真实验.结果表明,与传统方法相比,本文提出的频谱残差视觉模型完成合成孔径雷达图像舰船切片的区域分割能够有效降低虚警率,舰船目标的检测速度提高了25%~50%.该方法能够快速稳定地提取舰船目标的几何特征,也更加符合实际高分辨率图像舰船目标检测的应用需求.     

基于人眼视觉注意和图像聚类分析的ROI提取方法

针对Itti的视觉注意模型不能很好地反应区域的边界和形状问题,提出了一种改进的自底向上(BottomUp)的视觉注意模型。在经典的Itti模型基础上,用小波变换取代了高斯金字塔分解,改进了初始视觉特征的合并策略以得到图像的视觉显著图,结合彩色图像聚类分析方法完成图像的感兴趣区域自动提取。实验结果表明,自动提取的感兴趣区域更符合人眼的实际观察效果,在复杂背景下的提取效果大大优于传统的感兴趣区域提取方法。     

融合视觉显著性和局部熵的红外弱小目标检测

针对红外图像中弱小目标检测虚警率高、实时性差的问题,提出了一种基于视觉显著性和局部熵的红外弱小目标检测方法.该方法将红外弱小目标的检测问题由粗到精分步实现,首先利用融合局部熵的方法提取包含目标的感兴趣区域,对红外弱小目标实现粗定位.然后再利用改进的视觉显著性检测方法在感兴趣区域计算局部对比度,获得感兴趣区域的显著图.最...     

基于多尺度区域对比的显著目标识别

为了对图像中的显著目标进行更精确的识别,提出一种新的基于多尺度区域对比的视觉显著性计算模型。首先基于多尺度思想将图像分别分割为不同数目的超像素,对超像素内的像素颜色值取平均以生成抽象化图像;然后根据显著特征的稀少性及显著特征的聚集性,计算单一尺度下超像素颜色特征的显著性值;最后通过取各尺度超像素显著度的平均值来融合多尺度显著图,得到最终的视觉显著图。实验表明,以MSRA图库中的1 000张随机自然图片为例,该模型较现有较好的区域对比模型,显著目标识别的精确率提高了14.8%,F-Measure值提高了9.2%。与现有的算法相比,该模型提高了算法对显著目标大小的适应性,减少了背景对显著目标识别的干扰,具有更好的一致性,能更好地识别显著目标。     

基于结构相似度与感兴趣区域的图像融合评价方法

针对红外和可见光图像融合效果评价问题,在分析图像结构相似度算法基础上,结合人眼视觉特性,提出了基于结构相似度与感兴趣区域的图像融合评价方法.利用红外和可见光传感器各自成像特性形成的不同图像特征,分别划分图像感兴趣区域和剩余区域.根据人眼对不同区域的重视程度,分别赋予不同的加权因子,较以往评价方法更突出了图像重要特征在评...     

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。     

基于视觉注意机制的感兴趣区检测

提出了一种基于视觉注意机制的感兴趣区检测方法：使用分水岭方法分割图像区域;根据生物的视觉注意机制特性,选用中央周边差的采样方式提取图像特征,将不同维的图像特征融合为显著图;显著点经过竞争得到的注意焦点作为分水岭分割的种子点,然后融合显著图和分水岭分割区得到感兴趣区;遵循返回抑制和邻近优先的准则选择并转移注意焦点,从而计算区域的重要性或兴趣度.实验结果表明该方法符合生物的视觉注意机制,在自动检测感兴趣区时可以有效减少过分割,也能较好的处理大对象.     

A biologically inspired spatiotemporal saliency attention model based on entropy value

A biologically inspired spatiotemporal saliency attention model based on entropy value is proposed in this paper. This model includes a dynamic attention phase and a static attention phase. In the dynamic attention phase, low-level visual features are extracted from current and some previous frames. Every feature map is resized into some different sizes. The feature maps in same size and same feature for all the frames are used to calculate the entropy value map. All the entropy maps are normalized and are fused into a dynamic saliency map. In the static attention phase, same features are extracted and form multi-scale feature maps by center-surround differences in current frame, and then those feature maps are transformed into conspicuity maps, which are linearly combined into a static saliency map. Our model decides salient regions based on a spatiotemporal saliency map which is generated by integration of the dynamic and the static saliency map. Experimental results indicate that: when there is noise among the frames or there is change of illumination among the frames, our model is excellent to Shi's model and Marat's model; when the moving objects do not belong to the static salient regions, our model is better than Ban's model.     

基于视觉注意力模型的背景斑点提取方法

针对传统人工选取背景斑点的不足,提出了一种基于视觉注意力模型的背景斑点提取方法。首先根据Itti显著图模型确定背景图中的显著区域;然后找出若干注意视点,并将这些视点作为种子点在原图上进行区域生长;最后在区域生长的基础上依据相关准则提取出斑点。实验结果表明,该方法可以准确地找到背景图中的明显斑点,使进一步的背景斑点分析成为可能。     

Two-scale image fusion of visible and infrared images using saliency detection

Military, navigation and concealed weapon detection need different imaging modalities such as visible and infrared to monitor a targeted scene. These modalities provide complementary information. For better situation awareness, complementary information of these images has to be integrated into a single image. Image fusion is the process of integrating complementary source information into a composite image. In this paper, we propose a new image fusion method based on saliency detection and two-scale image decomposition. This method is beneficial because the visual saliency extraction process introduced in this paper can highlight the saliency information of source images very well. A new weight map construction process based on visual saliency is proposed. This process is able to integrate the visually significant information of source images into the fused image. In contrast to most of the multi-scale image fusion techniques, proposed technique uses only two-scale image decomposition. So it is fast and efficient. Our method is tested on several image pairs and is evaluated qualitatively by visual inspection and quantitatively using objective fusion metrics. Outcomes of the proposed method are compared with the state-of-art multi-scale fusion techniques. Results reveal that the proposed method performance is comparable or superior to the existing methods.     

结合视觉注意力机制和图像锐度的无参图像质量评价方法

针对模糊图像的质量评价,提出一种新的无参图像质量评价方法,该方法结合了自底向上的视觉注意力机制和自顶向下的图像锐度评价标准。根据人眼视觉注意力机制模型,分别计算颜色、亮度和方向显著度图像,通过竞争机制得到人眼优先关注的区域; 利用无参图像锐度评价方法分别对优先关注的区域及背景区域进行评价,综合2个区域的评价结果得到最终的图像质量评价指标。利用该方法分别对相向运动过程中所产生的模糊图像和图像质量评价Live数据库中的高斯模糊图像进行了评价,结果表明:针对两类图像的评价结果与主观评价结果的相关系数均较高,其中,针对相向运动模糊图像的主客观评价结果的相关系数达到0.98。该方法能够胜任对模糊图像的客观质量评价。     

Moving target detection approach based on spatio-temporal salient perception

The differences in texture and motion between man-made object and natural scene are the key features for human biological visual system to detect moving object in scenery. The paper proposed a moving target detection approach based on spatio-temporal perception, which is a crucial function of the visual attention mechanism. The spatial feature including edge, orientation, texture and contrast of the image are extracted, and then the corresponding spatial salient map are constructed by fusing the features through difference of Gaussian (DOG) function, which can suppress the common and enhance the difference of local region. Then, the global motion, local motion and relative motion between continuous images are extracted by means of pyramid multi-resolution, and the moving salient map is constructed after the motion difference between moving target and background is confirmed. Finally, the spatio-temporal salient map is constructed by fusing the spatial salient map and the moving salient map through competition strategy, and the moving target could be detected by searching the maximum in the spatio-temporal salient map. Some experiments are included and the results show that the method can accurately detect the moving target in complex background.     

Multi-window visual saliency extraction for fusion of visible and infrared images

Fusion for visible and infrared images aims to combine the source images of the same scene into a single image with more feature information and better visual performance. In this paper, the authors propose a fusion method based on multi-window visual saliency extraction for visible and infrared images. To extract feature information from infrared and visible images, we design local-window-based frequency-tuned method. With this idea, visual saliency maps are calculated for variable feature information under different local window. These maps show the weights of people’s attention upon images for each pixel and region. Enhanced fusion is done using simple weight combination way. Compared with the classical and state-of-the-art approaches, the experimental results demonstrate the proposed approach runs efficiently and performs better than other methods, especially in visual performance and details enhancement.     

基于背景原型对比度的显著性物体检测

针对传统显著性模型在自然图像的显著性物体检测中存在的缺陷,提出了一种利用背景原型(background prototypes)进行对比的视觉关注模型,以实现显著性物体的检测与提取;传统显著性模型主要通过计算区域中心与四周区域差异性实现显著性检测,而自然场景中显著性区域和背景区域往往都存在较大差异,导致在复杂图像中难以获得理想检测效果;基于背景原型对比度的显著性物体检测方法在图像分割生成的超像素图基础上,选择距离图像中心较远的图像区域作为背景原型区域,通过计算图像中任意区域与这些背景原型区域的颜色对比度准确检测和提取图像中的显著性物体;实验结果表明,基于背景原型对比度的显著性模型可以更好地滤除杂乱背景,产生更稳定、准确的显著图,在准确率、召回率和F-measure等关键性能和直观视觉效果上均优于目前最先进的显著性模型,计算复杂度低,利于应用推广。     

局部对比度结合区域显著性红外弱小目标检测

为了解决局部对比度方法的计算效率低,以及在某些红外场景中易出现虚警的问题,将其与图像区域显著性相结合,提出一种改进的局部对比度算法——区域局部对比度算法,仅在图像的显著性区域中进行局部对比度计算,而非遍历整幅图像。首先进行基于图像信息熵和局部相似性的红外图像区域显著性度量,经二值化得到单帧图像显著性区域;接下来在该区域中进行局部对比度数值计算,得到区域局部对比度图像,最后经过自适应阈值分割,得到弱小目标检测结果。实验结果表明,区域局部对比度算法可以极大提高红外弱小目标的信噪比,检测结果准确,虚警率低,与原始的局部对比度算法相比,检测效率有明显提升,可以更好地保持弱小目标的形状。