基于超像素多特征融合的快速图像分割算法

为了提高高分辨率图像分割效率,解决复杂图案中待分割目标边缘附近前景与背景区分度小而造成的分割目标不完整问题,本文通过引入超像素HOG特征,提出了一种基于超像素多特征融合（superpixel multi-feature fusion,SMFF）的快速图像分割算法.首先采用目前最有效的超像素算法对待分割图像进行超像素预分割,然后提取基于超像素的HOG特征、Lab颜色特征和空间位置特征,设计基于超像素的多特征度量算法,最终采用图割理论实现了基于超像素多特征融合的快速图像分割.实验结果验证了本文算法的有效性,其算法性能接近于目前最经典图像分割算法,且本文算法的时间性能要明显优于其它对比算法.     

结合多尺度特征和注意力机制的公路裂缝检测

由于航拍公路裂缝数据缺乏并且裂缝图像存在目标小、分布复杂的特点,导致语义分割模型在航拍公路裂缝检测中效果差,影响模型在实际场景的应用,为此提出基于改进DeeplabV3+的公路裂缝检测方法。构建语义分割模型,选定DeeplabV3+模型并作如下优化：由于低级特征包含更多裂缝细节信息,增加了提取低级特征的路径,从ASPP模块输出的特征为高级特征,高级特征包含更多语义信息,将两者信息进行融合能保证模型不丢失裂缝的细节信息;在网络中嵌入SCSE注意力模块抑制对其他无关信息的响应,改善模型在裂缝数据集检测效果差的问题。实验结果表明,改进DeeplabV3+算法可以有效解决模型对小目标裂缝分割时效果差的问题,模型的检测精度提高了2.59%,具有较强的应用价值,可以为实际公路裂缝检测提供参考。     

多尺度矩阵滤波的路面裂缝检测方法研究

为了从复杂的路面环境中快速检测出路面裂缝并进行分类,提出一种多尺度矩阵滤波的路面裂缝检测方法。该方法基于TI公司TMS642 DSP平台,可以实现大量复杂数据的快速实时处理,通过多尺度滤波处理路面图像,有效进行图像预处理,消除噪声影响,突出路面裂缝特征。通过Hessian矩阵的特征值和特征方向提取裂缝特征,实现裂缝生长方向的跟踪,确定裂缝像素始末位置,从而确定裂缝大小,同时提出裂缝合并算法对小的不连续裂缝进行合并,最后根据裂缝曲率对裂缝进行快速分类。实验结果表明,该方法可以实现路面裂缝准确、快速的检测及分类,抗噪声能力强,图像分割精度高,漏检率和错检率很低,可以满足工程应用要求。     

一种像素级多传感器图像融合算法的研究

该文给出了一种像素级多传感器图像融合算法,并将其应用于不同波段SAR图像的融合。该算法先用基于卡尔曼滤波的图像融合技术得到一幅灰度融合图像,再用不同的RGB颜色通道分别表示灰度融合图像以及原图像中增强后的细节,最终得到一幅彩色融合图像。仿真结果表明,用此算法得到的彩色融合图像包含更多的细节,可辨识性强。     

基于多尺度像素特征融合的实时小交通标志检测算法

交通标志检测技术是先进驾驶辅助系统中重要组成部分。真实的驾驶环境中要求交通标志检测系统具备极高的实时性与准确性。轻量级网络MobileNetv2-SSD能够满足检测的实时性,但准确性不足以满足实际需求。本文将MobileNetv2-SSD作为基础网络,提出一种基于像素重排的多尺度像素特征融合方法,并在网络的检测层引入高效通道注意力机制,实现特征增强。在保证算法的实时性的同时,有效提升了小交通标志的检测性能。实验结果表明,本文算法模型能够在真实环境下准确实时地检测小交通标志。在长沙理工大学中国交通标志检测数据集CCTSDB上取得93.2%的mAP,模型大小仅为17.3M,检测每张图像的时间为0.022 s。      

多尺度特征融合的安检图像危险品检测

现有的目标检测算法检测X光安检图像中较小尺寸的危险品精度较低,为此提出一种多尺度特征融合检测网络,即MFFNet(Multi-scale Feature Fusion Network),其以SSD检测模型为基础并采用更深的特征提取网络,即ResNet-101.通过跳跃连接的方式将网络的高层语义丰富特征与低层边缘细节特征...     

一种基于假彩色的像素级多传感器图像融合算法

本文给出了一种基于假彩色的像素级多传感器图像融合算法,并将其用于两幅灰度图像的融合中.这种算法将现有的图像融合技术和彩色显示技术相结合,在灰度融合图像的基础上利用色差来表现原图像与灰度融合图像的细节差异.该算法分为三步:首先,用选择与平均相结合的方法得到两幅原图像的灰度融合图像;接着,求出灰度融合图像与两幅原图像的差异图像;最后,将两幅差异图像和灰度融合图像分别送至R、G、B颜色通道进行显示.比起灰度融合图像,最终得到的彩色融合图像在色彩上更丰富,包含更多的细节,直觉上更容易辨认.     

基于超像素级卷积神经网络的多聚焦图像融合算法

该文提出了基于超像素级卷积神经网络(sp-CNN)的多聚焦图像融合算法。该方法首先对源图像进行多尺度超像素分割,将获取的超像素输入sp-CNN,并对输出的初始分类映射图进行连通域操作得到初始决策图;然后根据多幅初始决策图的异同获得不确定区域,并利用空间频率对其再分类,得到阶段决策图;最后利用形态学对阶段决策图进行后处理...     

基于超像素级卷积神经网络的多聚焦图像融合算法

该文提出了基于超像素级卷积神经网络(sp-CNN)的多聚焦图像融合算法。该方法首先对源图像进行多尺度超像素分割,将获取的超像素输入sp-CNN,并对输出的初始分类映射图进行连通域操作得到初始决策图;然后根据多幅初始决策图的异同获得不确定区域,并利用空间频率对其再分类,得到阶段决策图;最后利用形态学对阶段决策图进行后处理,并根据所得的最终决策图融合图像。该文算法直接利用超像素分割块进行图像融合,其相较以往利用重叠块的融合算法可达到降低时间复杂度的目的,同时可获得较好的融合效果。     

背景自适应的多特征融合的弱小目标检测

针对红外复杂背景下的弱小目标检测难题,提出一种基于背景自适应的多特征融合的复杂背景下弱小目标的检测算法。首先,通过对红外图像进行空域滤波去除孤立噪声点,并利用恒虚警率分割消除大面积平稳背景,获得疑似目标集。然后融合红外图像的背景信息、弱小运动目标的灰度特征、目标与周围像素的方向梯度特征等多个典型特征,消除疑似目标集中的大部分假目标,最后运用运动特征获取真实目标的轨迹,最终实现复杂背景下的红外弱小目标的检测。实验表明:该算法能实现复杂背景下低信噪比的红外弱小目标快速检测,具有检测概率高,算法速度快,鲁棒性好的特点。     

基于多特征融合的红外图像行人检测研究

当前红外图像行人检测方法存在误差大,对外界环境变化鲁棒性差,为了获得理想的红外图像行人检测结果,提出了多特征组合的红外图像行人检测方法.首先对当前红外图像行人检测进展进行分析,找到引起红外图像行人检测效果不佳的因素,然后提取红外图像行人检测的HOG特征和ISS特征,并采用支持向量机进行红外图像行人检测,最后引入证据理论...     

基于MTCNN的多特征融合学生疲劳检测算法研究

目前疲劳检测主要是通过眼部PERCLOS值来判断,但是这种方法检测疲劳特征较为单一,影响了检测的准确率.本文提出一种基于卷积神经网络的多特征融合学生疲劳检测算法,首先用MTCNN对人脸进行关键点定位,在此基础上用人脸归一化的方式精准提取眼睛和嘴部的特征图像并进行眼部定位;其次,构建眼、嘴数据集,完成眼、嘴部状态分类模型训练;最后,用训练好的模型将眼、嘴部的疲劳特征相融合并根据改良的MAR值判断方法进行疲劳检测.实验结果表明该方法的准确率达到了96.2％,实时性也得到了极大的改善.     

复杂环境下基于多特征决策融合的眼睛状态识别

针对常用图像特征容易受到复杂光照、头部运动等因素的影响导致眼状态识别算法的准确率降低的问题,本文在对多种红外条件下眼睛图像特征进行分析研究的基础上,选择具有旋转不变性和尺度不变性但对光照敏感的伪Zernike矩特征、简单并有效但对轮廓提取有较高要求的复杂度特征和对光照不敏感但容易受到头部运动影响的HOG特征作为眼状态识别的特征,提出了一种基于多特征决策融合的眼状态识别算法。首先建立上述3种特征相应的支持向量机(SVM)分类器,然后利用自动权值学习算法得到3个特征分类器的决策权重,最后综合利用不同特征的性能特点对3个分类器的识别结果进行决策融合从而得到最终识别结果,提高了眼状态识别算法的鲁棒性。实验结果表明,本文算法能够较好克服光照和头部运动对眼睛状态识别的影响,识别准确率达到91.9%。     

基于特征流融合的带噪语音检测算法

针对语音通话中语音段的起始检测性能不佳,检测语音连续性结构受到破坏的问题,提出了一种基于特征流融合的带噪语音检测算法。首先,根据语音特性分别提取时域特征流、谱图特征流和统计特征流;其次,利用不同的语音特征流分别对带噪音频中的语音段进行概率估测;最后,将各个特征流估测得到的语音估测概率进行加权融合,并利用隐马尔可夫模型对语音估测概率进行短时状态处理。通过对复合语音数据库在多类型噪声与不同信噪比条件下的性能测试表明,所提算法相对于基于贝叶斯与DNN分类器的基线模型相比,语音检测正确率分别提高了21.26%与11.01%,显著提高了目标语音的质量。     

Double-branch forgery image detection based on multi-scale feature fusion

Most of existing methods exhibit poor performance in detecting forged images due to the small size of tampered areas and the limited pixel difference between untampered and tampered regions. To alleviate the above problem, a double-branch tampered image detection based on multi-scale features is proposed. Firstly, we introduce a fusion module based on attention mechanism in the first branch to enhance the network’s sensitivity towards tampered regions. Secondly, we construct a second branch spec...     

基于多类别特征融合的疲劳检测系统研究

针对疲劳检测中单一或同类特征指标易受干扰的问题,根据回归分析与模糊评价理论,提出一种基于多类别特征信息融合的疲劳检测系统。根据各疲劳特征的特点对其特征参数进行描述与提取,结合PVT测试完成对疲劳度的量化分级,利用回归分析在解释多变量影响强度上与模糊数学在处理非确定性问题上的优势,完成检测系统的设计与建模,并针对图像特征提取中的干扰因素提出一种优化算法。仿真实验结果表明,该系统可有效检测出驾驶员的疲劳状态,优化算法对系统性能提升明显。     

一种新的多特征融合视频篡改检测方法

三网融合的视频防插播、防篡改技术已成为信息安全领域重点攻关的关键技术。针对多媒体业务被恶意篡改的问题,提出一种新的多特征融合的视频篡改检测方法：结合LM算法对BFGS进行融合改进,提出改进的BFGS神经网络,通过提取视频特征平均梯度和信息熵,采用改进的BFGS神经网络进行融合篡改检测。实验结果表明,该算法收敛速度快,学习精度高,能有效地对视频篡改进行检测。     

多特征级联的低能见度环境红外行人检测方法

针对低能见度环境中人员的监测和保护问题,提出了一种基于多特征级联的红外行人检测方法,利用感兴趣区域长宽比特征和头部Haar特征组成初级分类器,改进的HOG-SVM完成最终行人识别。所提出的改进的HOG特征提取算法和自适应缩放因子获取算法,在保证检测率的基础上,有效地减少了帧间处理时间,针对目标被遮挡情况,提出了遮挡情况判断和局部特征识别功能,由此进一步提高了算法应用于复杂工况下的鲁棒性。实验表明:该检测方法能够达到91%的检测率,较现有算法性能得到提升,同时也满足了系统实时监测要求,适用于低能见度、粉尘的工况作业环境。     

基于双重注意力和多尺度特征融合的场景文本检测算法

本文提出了一种场景文本检测方法,用于应对复杂自然场景中文本检测的挑战。该方法采用了双重注意力和多尺度特征融合的策略,通过双重注意力融合机制增强了文本特征通道之间的关联性,提升了整体检测性能。在考虑到深层特征图上下采样可能引发的语义信息损失的基础上,提出了空洞卷积多尺度特征融合金字塔(dilated convolution multi-scale feature fusion pyramid structure, MFPN),它采用双融合机制来增强语义特征,有助于加强语义特征,克服尺度变化的影响。针对不同密度信息融合引发的语义冲突和多尺度特征表达受限问题,创新性地引入了多尺度特征融合模块(multi-scale feature fusion module, MFFM)。此外,针对容易被冲突信息掩盖的小文本问题,引入了特征细化模块(feature refinement module, FRM)。实验表明,本文的方法对复杂场景中文本检测有效,其F值在CTW1500、ICDAR2015和Total-Text 3个数据集上分别达到了85.6%、87.1%和86.3%。     

Biometric bits extraction through phase quantization based on?feature level fusion

Biometric bits extraction has emerged as an essential technique for the study of biometric template protection as well as biometric cryptosystems. In this paper, we present a non-invertible but revocable bits extraction technique by means of quantizing the facial data from two feature extractors in the phase domain, which we coin as aligned feature-level fusion phase quantization (AFPQ). In this technique, we utilize helper data to achieve the revocability requirement of bits extraction. The feature averaging and remainder normalization technique are integrated with the helper data to reduce feature variance within the same individual and increase the distinctiveness of bit strings of different individuals to achieve good recognition performance. A scenario in which the system is compromised by an adversary is also considered. As a generic technique, AFPQ can be easily extended to multiple different biometric modalities.