基于多尺度增强网络的人群计数方法

人群计数研究普遍使用欧几里得损失函数，易造成图像局部相关性缺失，且现有研究方法未能充分提取人群图像中连续变化的尺度特征，影响了人群计数模型的性能。针对上述问题，该文提出一种基于多尺度增强网络的人群计数模型(MSEN)。首先，在多分支结构生成网络中引入区域性判别网络，将二者组合形成嵌入式GAN模块，以增强生成图像的局部相关性；之后，基于金字塔池化结构设计了尺度增强模块，将该模块连接在嵌入式GAN模块之后，进一步从不同区域提取不同尺度的局部特征，以最大程度地应对人群图像局部尺度连续变化的问题，从而增强整体模型的泛化能力。最后，在3个具有挑战性的人群计数公共数据集上进行了广泛的实验。实验结果表明，该文所述模型可有效提升人群计数问题的准确性和鲁棒性。     

基于多尺度增强网络的人群计数方法

人群计数研究普遍使用欧几里得损失函数,易造成图像局部相关性缺失,且现有研究方法未能充分提取人群图像中连续变化的尺度特征,影响了人群计数模型的性能.针对上述问题,该文提出一种基于多尺度增强网络的人群计数模型(MSEN).首先,在多分支结构生成网络中引入区域性判别网络,将二者组合形成嵌入式GAN模块,以增强生成图像的局部相关性;之后,基于金字塔池化结构设计了尺度增强模块,将该模块连接在嵌入式GAN模块之后,进一步从不同区域提取不同尺度的局部特征,以最大程度地应对人群图像局部尺度连续变化的问题,从而增强整体模型的泛化能力.最后,在3个具有挑战性的人群计数公共数据集上进行了广泛的实验.实验结果表明,该文所述模型可有效提升人群计数问题的准确性和鲁棒性.     

室内夜间微弱光源下运动目标检测和阴影去除

提出一种新的室内夜间微弱光源照明情况下的运动目标检测方法。首先进行背景建模, 获取稳固的背景图像, 之后对背景和当前帧图像进行图像增强处理, 提高其清晰度; 采用相对背景减法检测前景运动目标, 并对差分图像进行去噪和修补; 利用前景目标区域、阴影区域和背景区域像素亮度值存在差异的特点, 检测和去除背景差分图像中可能存在的阴影, 获得准确的运动目标。在室内夜间环境下采集视频进行试验, 结果验证了所提方法的有效性。     

结合视觉特性的红外图像增强方法

为了增强红外图像的细节信息,改善图像视觉效果,将视觉特性与红外图像特征结合,提出了一种结合视觉特性的图像增强方法。首先,对图像运用Weber定律进行亮度处理,并在对数域角度,利用背景强度与光强梯度呈局部线性关系的特性,模拟视觉系统来分割图像。然后,分别对分割图像进行增强处理,过暗、过亮区域采用改进的自适应直方图均衡算法、Weber区域采用多尺度Retinex算法。最后,三区域构建图像,输出细节突出、亮度适中的红外图像。实验结果表明:本文算法增强了图像细节、缩短了运行时间、有效地消除“光晕”现象,改善了图像的视觉效果,具有较好的应用前景。     

基于水平集的热红外运动人体目标分割算法

水平集活动轮廓模型是一种优秀的图像分割方法.针对红外人体检测系统中的图像分割难题,提出了一种基于水平集活动轮廓模型的新算法.该算法包含水平集运动检测模块、水平集亮度检测模块和融合模块.水平集运动检测模块融合了水平集和背景相减技术,通过演化水平集函数同时实现前景分割和背景估计,它用于检测序列中的运动区域,并将其演化结果输入到下一检测模块.水平集亮度检测模块融合了水平集和阈值分割技术.在给出双阈值时,可分割出亮度在双阈值所限定范围内图像区域,它用于检测序列图像序列中可能包含人体目标的全部区域.利用形态学开重建技术,融合模块在融合前两个模块检测结果后输出算法最终分割结果.此外,采用快速数值算法演化水平集检测模块以及优化设置整个算法流程,改善算法运行效率.实验结果表明,相对其他典型算法,该算法具有较高分割精度和运行效率,且对时序亮度变化和镜头运动鲁棒性更好.     

细粒度显著区域引导的遥感图像场景分类

近年来，遥感图像场景在监测环境、勘探地球资源及预测自然灾害等方面有着越来越广泛的应用，大量的数据需求推动了遥感图像场景分类的快速发展。尽管基于深度学习的方法已经在场景分类方面取得了比较好的性能，但如何对背景复杂、尺度变化剧烈的遥感场景进行有效识别仍然是分类任务中的一个巨大挑战。为了解决这一问题，提出一种细粒度方法来检测显著区域，并使用全局分支和局部分支将整体和局部联合起来，分别从整幅图像和关键区域提取全局特征和局部关键信息。为了验证所提方法的有效性，基于ResNet18模型在三个公共遥感图像场景分类数据集上对不同方法进行对比实验，实验结果表明所提方法的准确率优于大多数先进方法。     

一种新的局部运动模糊图像恢复与合成算法

针对航海过程中因恶劣的海上环境使得拍摄的图像出现局部运动模糊而导致图像无法使用的情况,本文提出一种新的局部运动模糊图像恢复与合成算法。首先将模糊区域从图像中分割出来,用Radon变换和自相关函数获取点扩散函数,L-R与亮度调整相结合进行恢复,最后用基于直方图匹配的小波变换将恢复后的图像合成到背景中。实验结果表明,该方法不仅能将原图的纹理融合到恢复图像中,得到优化恢复图像的效果,还能将恢复后的图像很好地合成到背景中。     

基于多尺度圆周频率滤波与卷积神经网络的遥感图像飞机目标检测方法研究

针对遥感图像飞机目标检测因目标尺度不一存在漏警、虚警等问题,该文基于遥感图像中飞机目标形状特征和灰度变化特点提出了一种多尺度圆周频率滤波(MSCFF)与卷积神经网络(CNN)相结合的MSCFF+CNN飞机目标自动检测算法。该算法首先采用多尺度圆周频率滤波器滤除遥感图像复杂背景,实现不同尺度飞机目标候选区域提取;然后,通过构建卷积神经网络(CNN)模型实现候选区域有效分类,最终精确确定飞机目标位置。最后,基于获取的真实遥感图像进行目标检测算法实验验证,经统计该算法的飞机目标检测率为94.38%,虚警率为3.76%,实验结果充分验证了该文算法的有效性,该算法可为机场监管、军事侦察等应用提供重要的技术支持。     

基于多尺度圆周频率滤波与卷积神经网络的遥感图像飞机目标检测方法研究

针对遥感图像飞机目标检测因目标尺度不一存在漏警、虚警等问题,该文基于遥感图像中飞机目标形状特征和灰度变化特点提出了一种多尺度圆周频率滤波(MSCFF)与卷积神经网络(CNN)相结合的MSCFF+CNN飞机目标自动检测算法.该算法首先采用多尺度圆周频率滤波器滤除遥感图像复杂背景,实现不同尺度飞机目标候选区域提取;然后,通过构建卷积神经网络(CNN)模型实现候选区域有效分类,最终精确确定飞机目标位置.最后,基于获取的真实遥感图像进行目标检测算法实验验证,经统计该算法的飞机目标检测率为94.38%,虚警率为3.76%,实验结果充分验证了该文算法的有效性,该算法可为机场监管、军事侦察等应用提供重要的技术支持.     

彩色和等色图像的非监督反射分量分离

反射分量分离是计算机视觉和数字图像处理中的一个重要问题。尽管已有很多基于单张图像的反射分量分离方法,但这些方法只能分离图像中彩色区域的反射分量并会在等色区域产生严重的噪声。本文提出一种能够分离图像彩色和等色区域反射分量的方法。彩色和等色区域高光的共同特征是亮度在局部区域中逐渐变化,因此本文算法首先将亮度信息融入传统的无高光图像,提出能够区分不同亮度等色区域的改进的无高光图像;然后提取局部位置空间亮度差异特征和局部颜色空间亮度差异特征,并用K-Means方法检测图像中的镜面反射像素;最后用颜色传递方法估计出漫反射分量,实现漫反射和镜面反射分量的分离。实验结果表明本文算法能够同时有效地分离彩色和等色区域的反射分量。本文算法扩展了反射分量分离方法的应用范围。      

Statistical modeling of complex backgrounds for foreground object detection

This paper addresses the problem of background modeling for foreground object detection in complex environments. A Bayesian framework that incorporates spectral, spatial, and temporal features to characterize the background appearance is proposed. Under this framework, the background is represented by the most significant and frequent features, i.e., the principal features, at each pixel. A Bayes decision rule is derived for background and foreground classification based on the statistics of principal features. Principal feature representation for both the static and dynamic background pixels is investigated. A novel learning method is proposed to adapt to both gradual and sudden "once-off" background changes. The convergence of the learning process is analyzed and a formula to select a proper learning rate is derived. Under the proposed framework, a novel algorithm for detecting foreground objects from complex environments is then established. It consists of change detection, change classification, foreground segmentation, and background maintenance. Experiments were conducted on image sequences containing targets of interest in a variety of environments, e.g., offices, public buildings, subway stations, campuses, parking lots, airports, and sidewalks. Good results of foreground detection were obtained. Quantitative evaluation and comparison with the existing method show that the proposed method provides much improved results.     

荧光视网膜图像的照度均衡及自适应血管增强算法

提出一种基于图像反射度照度模型的荧光视网膜图像照度校正与均衡算法.首先,使用多尺度处理及形态学测地膨胀运算将原始图像分离为背景图像和前景图像,然后,在背景图像的基础上使用多方向直线均值法对图像的照度成分进行估计,并由反射度照度模型得到背景的均衡图像;最后,单独对前景血管自适应增强的图像进行灰度校正,并将均衡后的背景图像...     

光照突变下融合多类特征的场景分割方法

为解决场景模型在快速光照变化下失效的问题,提出了一种新的前景目标分割方法。该方法共包括三个步骤。首先,利用全局光照函数建立高斯混合模型;其次,提取当前帧中的纹理、ZNCC 及轮廓特征;最后,将提取到的特征分两阶段与高斯混合模型进行融合(第一阶段:融合纹理及ZNCC 特征;第二阶段:融合轮廓特征),得到最终的场景分割结果。实验结果表明:该算法具有较好的鲁棒性,并且相较于基于全局光照建模的方法具有更高的精度值及召回值。     

Adaptive visual target detection and tracking using weakly supervised incremental appearance learning and RGM-PHD tracker

Multiple visual target tracking is a challenging problem due to various uncertainties including occlusion, miss-detection and noisy measurement. Most tracking approaches utilize an object-specific detector, pre-trained on many labeled images, to provide suitable measurements for their tracking system. In this paper, we use a simple background subtraction detector which only needs the background image to localize targets independent of their shape or type. In order to cope with the uncertainties resulted by the detector, we propose an adaptive appearance model and develop an incremental appearance learning algorithm to learn the target appearances in time. The proposed method employs the background information and our defined keypoints’ miss-matched history to adapt the target appearances within different frames. Furthermore, we combine Refined Gaussian Mixture Probability Hypothesis Density (RGM-PHD) tracker with the detectors to keep target trajectories and handle uncertainties. The experiments conducted on several video datasets show the effectiveness of our proposed method.     

基于像素与子块的背景建模级联算法

针对子块级背景建模方法无法保证所提取前景形状的精确性及像素级背景建模方法无法有效处理非平稳场景的问题,提出了一种背景建模分层模型,首先采用文中子块级建模算法得到较为粗糙的背景区域和前景区域,然后利用混合高斯模型对特定图像区域执行像素级的前景提纯或背景模型更新操作,2种不同层次的算法通过非对称前向反馈机制进行级联。实验结果表明,所提分层模型在能够有效处理非平稳场景的同时保证了所提取前景形状的精确性,且对光照突变不敏感,建模效果优于级联算法中任一独立算法,而处理时间小于2种独立算法处理时间之和,满足了实时处理要求。     

一种抗光照突变的前景提取方法研究

针对经典前景提取算法无法在光照突变情况下正确提取前景的问题,根据LBP算子对光照不敏感的特性,提出了一种基于截尾均值的纹理特征提取算法,即通过对噪声的抑制及对平坦区域序列的稳定性处理,解决了原有LBP算子易受噪声干扰,平坦区域序列不稳定及得到的纹理图信息冗余的问题.结合高质量纹理特征,根据纹理特征的光照不变性,设计了一种能有效应对光照突变情况的背景更新模型,实验结果表明,本文提出的融合纹理特征的前景提取模型不仅能够在光照缓慢变化的情况下有效地对运动目标前景进行提取,而且在光照突变情况下仍然能够进行准确提取,前景提取的准确率相比平均背景模型提高61.7%,相比混合高斯模型提高59.3%.     

A variational model and graph cuts optimization for interactive foreground extraction

In this paper, an interactive segmentation method is proposed, which is based on an improved Chan–Vese model, i.e. multiple piecewise constant model with geodesic active contour. The k-means method is used to learn the models of the foreground and background, which are the optimal piecewise constant approximation of the original image according to the input seeds clue by the user. Based on the piecewise constant models of the foreground and background, the multiple piecewise constant with a geodesic active contour energy function can be minimized by effective graph cuts algorithm, and the minimum cuts can be used to partition the image into the foreground and background. Numerical experiments demonstrate the superior performance of the proposed interactive foreground extraction method based on the improved Chan–Vese model compared to the original Chan–Vese model by simple user interaction.     

基于改进的混合高斯模型的运动目标检测方法

为了改善混合高斯模型在光照突变时容易产生大量误检的缺陷,采用了一种高斯模型与均值法相结合并为前景像素建立计数器的方法。在建立背景模型时,运用多帧图像求平均值的方法初始化混合高斯模型的背景;为每帧图像的前景像素数建立计数器,并以此消除被误判为前景的区域;对检测出的前景区运用数学形态学处理,得到图像真正的前景区域。结果表明,该算法不仅克服了初始背景中的干扰,而且消除了光照突变时的误检,提高了运动目标的检测率。     

基于最大熵模型的双直方图均衡算法

为改进亮度保持双直方图均衡算法的不足,提出基于最大熵模型的动态范围优化方法,扩展了双直方图均衡算法的应用范围,使之不仅适用于正常亮度图像,对低照度及高亮图像也能取得较好的效果.算法首先选用大津法确定直方图数据分割点;然后对初始直方图进行预处理;根据所提出的最大熵模型确定最佳的动态范围分割点;最后进行双直方图均衡得到增强图像.本文选取多个图像数据库进行测试,并与BBHE（Brightness preserving Bi-Histogram Equalization）、BPCLBHE（Brightness Preserving and Contrast Limited Bi-Histogram Equalization）、ESIHE（Exposure based Sub Image Histogram Equalization）和DRSHE（Dynamic Range Separate Histogram Equalization）进行比较,同时将信息熵、对比度和NIQE（Natural Image Quality Evaluator）作为客观评价指标.实验结果证明,本文算法对各类图像均具有较好的主观视觉效果和客观评价指标,在保留细节的同时兼顾了对比度的增强.     

基于长边检测的视频分割算法

针对前景和背景交界处颜色相似度较高时的图像分割问题,提出了基于长边检测的视频分割算法,首先建立包括颜色分量和对比度分量的能量函数,然后将基于边缘长度的边缘检测方法应用到基本模型的颜色模型中,利用长边检测的结果改进能量函数的颜色分量和对比度分量,最后使用图割算法,通过对能量函数求最小化得到最终的前景提取结果。实验结果表明,在前景和背景在交界处颜色相似度较高时,较其他算法具有明显的优势。