一种基于用户感兴趣区域的图像检索算法

针对全局特征的图像检索不能很好地满足用户的意图,提出了一种新的基于用户感兴趣区域的图像检索算法。此算法基于显著判别原则,无需对图像进行复杂的分割就能有效地提取用户感兴趣区域的显著点。实验结果表明,此算法不仅检索过程简单,在检索精度上也明显优于基于全局特征的图像检索方法。     

利用多尺度频域分析的图像显著区域检测

针对显著区域检测中的视觉显著性度量问题,提出了一种通过对图像的频域特征进行多尺度分析来计算显著性的方法.在多个尺度上提取图像底层特征,在频域分析各种特征图的幅度谱和相位谱,在空间域上构造相应的显著图.根据显著图,检测出图像中的显著区域.在多种自然图像和人工图像上进行实验.实验结果表明,该方法能迅速检测出与人类视觉注意结果一致的显著区域,并且在高强度噪声图像中也能取得很好的检测效果.     

基于区域对比的图像显著目标检测

针对具有杂乱背景图像的显著目标检测问题,提出了一种无需任何先验知识,通过分析计算区域平均显著值的对比度来提取显著目标的方法.根据显著图,计算出显著目标的最小边界框与其周围区域的显著性差异,且通过折半查找的方法加快搜索的收敛速度.结果表明,该算法能迅速检测出与人类视觉感知结果一致性较高的显著目标区域.     

目标感兴趣区域检测算法

将形态Haar小波与数学形态学方法相结合,用于实现目标感兴趣区域(Region-of-interest,ROI)的检测。将采集图像进行二维形态Haar小波分解,结合目标ROI检测要求的特点,仅在尺度信号域内应用设计的目标ROI检测算子,最终完成目标ROI的检测。仿真实验结果表明,该方法能以较低的虚警率和较高的检测率完成目标ROI检测,且运算简单,大大节省了运算时间和硬件资源,降低了系统设计成本。     

医学图像感兴趣区域的提取

提出了一种结合Watershed变换和融合ROI信息的单调推进Snake模型的感兴趣区域提取的新方法.通过非线性扩散滤波对原始图像进行平滑,利用Watershed算法对图像进行过度分割,采用Snake模型提取出感兴趣区域,并由ROI能量函数推导出区域速度函数项,与基于边界的速度函数融合,根据区域之间的统计特性的相似度,重新定义Snake模型的速度函数.实验表明,该方法能够精确地提取对比度低且细窄的ROI区域.     

基于感兴趣区域模型的车道线快速检测算法

为满足智能车载视频取证设备对车辆违章行为取证时检测车道线准确性和时效性的要求,提出一种基于感兴趣区域模型的结构化道路车道线的快速检测算法。该算法首先基于结构化道路具有车道线与路面对比度高的特点,采用Soberx边缘检测算子检测车道的边缘信息,然后在感兴趣区域模型基础上,采用改进的Hough变换检测出可能的车道线。为准确提取车道线完成车道的准确检测,该算法基于透视图像消失点原理,采用逆透视变换消除伪车道线完成车道准确定位。实验表明,该算法定位精度高、快速快、鲁棒性好,能够满足高速公路智能车载视频设备取证的性能要求。     

基于JPEG2000的感兴趣区域编码

JPEG2000是国际标准化组织指定的新一代静态图像压缩标准,支持感兴趣区域(ROI)编码是JPEG2000标准中的一个新特点.本文在分析了两种标准算法的优缺点之后,提出了一种新的ROI编码方法--混合编码方法,这种算法不仅可以灵活控制ROI区域和背景区域的画质,还可以有效编码多个具有不同优先级的ROI区域,而不需要编码形状信息.仿真结果证实了该算法的有效性.     

感兴趣区域的确定及相似度计算方法

对ROIBIR系统中ROI的确定及区域相似度计算进行了研究.首先介绍了两种确定ROI的方法,它们充分利用分割区域的用户可见性、区域及其权重用户的可指定性来实现用户的可选性.使图像的检索系统融合人的感知能力,符合人们的检索习惯.然后介绍了一种基于区域的图像相似度计算方法,这种方法先分别按照区域的综合特征、直方图特征值及区域的形状特征进行相似度计算,再将各自相似度加权乘积作为两区域的相似度,各区域最大相似度的平均值作为感兴趣区域与目标图像的相似度.并用实验证明了提,出方法的有效性.     

基于马尔可夫随机场的显著区域检测

显著区域检测被应用在计算机视觉处理的各个方面,然而大目标和复杂背景中显著对象检测存在检测内容缺失和误检的问题。提出一种基于粗略显著区域的马尔可夫随机场(MRF)模型检测方法。首先,应用Harris角点检测定位粗略显著区域,去除边缘附近角点做凸包操作,然后基于粗略区域的先验概率,应用马尔可夫随机场模型检测图像显著区域。在图像测试库的实验结果显示,提出的检测方法提高了检测的准确度和完整度。     

基于人像感兴趣区域的身份照片压缩算法

针对身份照片的压缩 ,提出了一种基于感兴趣区域 (ROI)的 EZW算法。首先通过FC2 VQ(Feature Correction two-stage Vector Quantization)算法检测出感兴趣区域即人的脸部特征 ,然后采用基于感兴趣区域的 EZW算法进行编码。这种编码方法 ,既保证了感兴趣区域的图像质量 ,也使得压缩后的图像存储容量较小     

基于双差分法的目标检测与分析

用双差分法检测静止背景下运动目标的轮廓，并利用矩方法研究了运动目标的几何特征，利用目标的质心估计目标的运动信息．给出了实验结果及分析．     

Salient Object Detection Based on a Novel Combination Framework Using the Perceptual Matching and Subjective-Objective Mapping Technologies

The integrity and fineness characterization of non-connected regions and contours is a major challenge for existing salient object detection. The key to address is how to make full use of the subjective and objective structural information obtained in different steps. Therefore, by simulating the human visual mechanism, this paper proposes a novel multi-decoder matching correction network and subjective structural loss. Specifically, the loss pays different attentions to the foreground, boundary, and background of ground truth map in a top-down structure. And the perceived saliency is mapped to the corresponding objective structure of the prediction map, which is extracted in a bottom-up manner. Thus, multi-level salient features can be effectively detected with the loss as constraint. And then, through the mapping of improved binary cross entropy loss, the differences between salient regions and objects are checked to pay attention to the error prone region to achieve excellent error sensitivity. Finally, through tracking the identifying feature horizontally and vertically, the subjective and objective interaction is maximized. Extensive experiments on five benchmark datasets demonstrate that compared with 12 state-of-the-art methods, the algorithm has higher recall and precision, less error and strong robustness and generalization ability, and can predict complete and refined saliency maps.     

高鲁棒性图像显著区域提取及描述方法

针对现有的图像显著区域提取及描述方法中存在的计算复杂、鲁棒性差等问题,提出了一种新的显著区域提取和描述方法.首先,通过基于连通区域的方法提取图像中的显著区域,然后,采用不变矩描述子对区域的特征进行描述.实验结果表明,该方法能有效地提取和描述图像中的显著区域,且对平移、旋转和缩放变换具有很高的鲁棒性.     

多尺度特征提取和多级别特征融合的显著性目标检测方法

显著性目标检测已经被广泛应用到图像检索、图像分割、行人重识别等领域.目前主流的显著性目标检测方法通常采用短连接加权的方式融合多级别特征信息,这种方式无法精准有效地控制信息流的传递.而且,现有的检测方法通常采用单一的特征检测,导致显著性目标区域与背景的边界不连续、易模糊.因此,本文提出一种多尺度特征提取和多级别特征融合的...     

基于空间分布特性和局部复杂度的显著目标检测算法

目前的视觉注意显著区域检测算法,主要依赖像素间的相互对比,缺乏从全局角度对显著目标的分析理解。依据显著目标是显眼、紧凑和完整的思路,提出一种基于目标空间分布特性和局部复杂度的无监督视觉注意显著目标自动提取算法。首先根据局部区域与其多个尺度邻域的对比,得到亮度显著图;然后利用颜色信息的显眼性、空间分布和区域一致性得到颜色显著图;同时通过对方向的空间分布和局部复杂度进行多尺度分析得到方向显著图;最后通过显著值的空间分布和面积增强因子相结合的融合策略得到输入图像的显著图,根据显著区域确定感兴趣区域位置,在基础上完成目标检测。将此方法应用于各类具有不同特点的彩色图像进行仿真实验,得到较好的检测结果,表明该算法是切实可行。     

大型凸极同步发电机定子绕组内部故障仿真与保护分析

随着发电机组的容量不断增大,定子绕组内部故障的破坏作用引起人们的高度重视．文章全面介绍了大型凸极同步发电机定子绕组内部故障的仿真与分析．并对发电机在短路故障状态下数学模型建立、参数计算、保护分析等进行了系统研究,给出了提高定子内部故障保护水平的重要理论依据．凸极同步电机具有一定的代表性,隐极机及其它电机可作为特例用类似方法分析．     

电励磁双凸极电机初始位置检测技术研究

电励磁双凸极电机初始位置的准确检测对于电机初始信号的给定,确保电机无迟滞的起动具有重要意义。对比分析了串联自感母线电流响应法和端电压法两种初始位置检测技术。前者以串联自感随转子位置的变化而变化为理论基础,通过检测开关组合开通和关断时母线电流的大小来判断转子的位置区域;后者根据三相自感随转子位置的变化而变化的规律,通过比较开关组合开通和关断时非导通相端电压的大小来判断转子的位置区域。在考虑励磁电流产生的定位力矩影响的情况下,可准确判断出转子位置。最后,通过实验验证了两种初始位置检测技术的可行性,并证明了理论分析的正确性。     

基于中值背景模型的运动目标自适应检测方法

目的 在保证准确性的前提下,降低运动车辆检测算法的计算量,加快处理速度,满足实时性要求,提出一种基于中值背景模型和自适应阈值的运动检测方法 .方法 基于当前帧与背景图像的差分图像,利用自适应阈值分别对差分图像的三个颜色通道进行二值化,从而实现运动目标的精确检测.同时,根据检测结果 ,采用中值更新策略实现背景图像的实时更新.结果 实验结果 表明,笔者算法可以从复杂交通场景图像序列中有效地检测出运动目标,并且算法计算量小,具有良好的鲁棒性与实时性.算法每帧处理时间比混合高斯降低43%,背景更新时间比一阶Kalman算法降低了45%.结论 算法能够很好地满足智能交通监控系统中运动车辆实时检测的要求.     

基于特征图像方法的运动物体检测

在传统特征图像方法基础上,提出一种基于分块边缘特征图像的运动物体检测算法.该算法对背景图和叠加图进行分块处理,分别提取出背景图与叠加图的最大特征向量,求得背景图与叠加图的各块投影系数,进行运动物体的匹配检测.在实际处理时,采用了canny算子获取边缘图的方法来进行检测,以消除光照等外界干扰对检测的影响.     

Head Motion Detection in Gaze Based Aiming

Unmanned weapons have great potential to be widely used in future wars. The gaze-based aiming technology can be applied to control pan-tilt weapon systems remotely with high precision and efficiency. Gaze direction is related to head motion, which is a combination of head and eye movements. In this paper, a head motion detection method is proposed, which is based on the fusion of inertial and vision information. The inertial sensors can measure rotation in high-frequency with good performance, while vision sensors are able to eliminate drifts. By combining the characteristics of both sensors, the proposed approach achieves the effect of high-frequency, real-time, and drift-free head motion detection. The experiments show that our method can smooth the outputs, constrain drifts of inertial measurements, and achieve high detection accuracy.