最新刊期
2016 年 第 21 卷 第 10 期
- 摘要：运动目标检测在许多计算机视觉任务中发挥了重要的作用。背景建模是运动目标检测中传统而又常用的方法。然而，许多背景建模方法是基于像素点的，对背景方面的考虑过于简单，难于处理真实视频。最近，将基于低秩和稀疏分解的鲁棒主成分分析应用于运动目标检测成为计算机视觉领域内的研究热点。为使更多国内外运动目标检测的研究者对鲁棒主成分分析方法进行探索和应用，本文对其进行系统综述。 融入最新研究进展，基于误差抑制、贝叶斯理论、时间和空间信息、多特征和多因素耦合，对各种国内外的鲁棒主成分分析模型进行归纳，并理论分析其优缺点。 本文采用变化检测数据集（change detection dataset）中不同场景的视频序列来对不同算法进行对比实验。从实验结果可知，属于第3类方法的DECOLOR 的检测效果优于其他算法，在均值对比中得到的召回率、精确率和F-measure分别为0.7、0.706和0.66。总体来说，当前改进算法都能有效地弥补最初鲁棒主成分分析方法的缺陷，提高了运动目标检测的精度。 鲁棒主成分分析在运动目标检测上取得了较多的研究与应用成果，在智能视频监控应用领域拥有广阔的应用前景。但是，其仍需针对鲁棒主成分分析存在的一些局限性进行深入的研究。融入前景运动目标在视频中的先验知识是基于鲁棒主成分分析的运动目标检测的发展趋势。关键词：目标检测;计算机视觉;背景建模;鲁棒主成分分析;综述4796|508|9更新时间：2024-05-07
- 摘要：视觉地形分类是室外移动机器人领域的一个研究热点。基于词袋框架的视觉地形分类方法，聚集和整合地形图像的视觉底层特征，建立底层特征统计分布与高层语义之间的联系，已成为目前视觉地形分类的常用方法和标准范式。本文全面综述视觉地形分类中的词袋框架，系统性总结现有研究工作，同时指出未来的研究方向。 词袋框架主要包括4个步骤：特征提取、码本聚类、特征编码、池化与正则化。对各步骤中的不同方法加以总结和比较，建立地形分类数据集，评估不同方法对地形识别效果的影响。 对词袋框架各步骤的多种方法进行系统性的分类和总结，利用地形数据集进行评估，发现每个步骤对最后生成的中层特征性能都至关重要。特异性特征设计、词袋框架改进和特征融合研究是未来重要的研究方向。 词袋框架缩小低层视觉特征与高层语义之间的语义鸿沟，生成中层语义表达，提高视觉地形分类效果。视觉地形分类的词袋框架方法研究具有重要意义。关键词：视觉地形分类;非几何地形特征危险;词袋框架;编码方法;池化方法;移动机器人2691|377|1更新时间：2024-05-07
综述
- 摘要：由于一些光学镜头聚焦范围的有限性，很难对同一场景中所有物体都清晰地成像在一幅图像中，而将同一场景中的多幅源图像进行融合可以得到一幅全景更加清晰的图像,为了增强融合图像的质量，提出了一种新的非下采样四元数剪切波变换（NSQST）的图像融合算法。 首先将源图像经过NSQST分解得到低频子带系数和高频子带系数；其次，对低频子带，提出了一种改进的稀疏表示（ISR）的融合规则；对于高频子带，提出一种改进的空间频率、边缘能量和局部区域相似匹配度相结合的融合规则；最后通过NSQST逆变换得到融合图像。 与其他5种融合方法进行对比，本文方法获得了较好的客观指标和视觉效果，其中与NSCT-SR算法相比，本文方法获得的4个客观指标分别提高了3.6%、2.9%、1.5%、5.2%，3.7%、3.2%、3.2%、3.0%和6.2%、3.8%、3.4%、8.6%。 通过多聚焦图像进行融合实验，实验结果表明该方法可进一步应用于目标识别、医学诊断等领域。关键词：非下采样四元数剪切波变换;多聚焦图像融合;稀疏表示;改进的空间频率3164|771|3更新时间：2024-05-07
- 摘要：脉冲耦合神经网络（PCNN）在图像融合上往往因为参数设置问题而达不到最佳效果，为了提高图像融合的质量，提出了一种基于多目标粒子群优化PCNN参数的图像融合算法。 首先用多目标粒子群对PCNN模型参数进行优化得到最优PCNN参数模型，然后利用双复树小波（DTCWT）对图像多尺度分解，将高频分量通过优化好的PCNN模型进行高频融合，低频分量通过拉普拉斯分量绝对和（SML）来进行低频融合，最后通过DTCWT逆变换实现图像的融合。 分别与DTCWT，拉普拉斯金字塔变换（LP）以及非下采样Contourlet变换（NSCT）进行实验对比，融合图像Clock，Lab的融合结果在客观指标上的互信息（8.062 3，7.908 5）、图像的品质因数（0.716 2,0.714 2）和标准差（51.213,47.671）都优于其他方法，熵和其他方法差不多，融合结果能够获得更好的视觉效果以及较大的互信息值和边缘信息保留值。 该方法有较好融合图像的能力，可适用于计算机视觉、医学、遥感等领域。关键词：图像融合;多目标优化;粒子群;脉冲耦合神经网络;双复树小波;拉普拉斯能量绝对能量和3098|403|7更新时间：2024-05-07
- 摘要：针对现有区域合并和图割的结合算法没有考虑矿岩图像模糊特性，导致分割精度和运行效率较低，模糊边缘无法有效分割的问题，利用快速递推计算的最大模糊2-划熵信息设置以区域为顶点的图割模型似然能来解决。 首先利用双边滤波器和分水岭算法对矿岩图像进行预处理，并将其划分为若干一致性较好的区域；然后利用图像在计算最大模糊2-划分熵时，目标和背景的模糊隶属度函数来设计图割能量函数似然能，使得能量函数更接近模糊图像的真实情况，期间为了提高最大模糊2-划分熵值的搜索效率，提出了时间复杂度为O（）的递推算法将模糊熵的计算转化为递推过程，并保留不重复的递推结果用于后续的穷举搜索；最后利用设计的图割算法对区域进行标号，以完成分割。 本文算法的分割精度较其他区域合并和图割结合算法提高了约23%，分割后矿岩颗粒个数的统计结果相对于人工统计结果，其误差率约为2%，运行时间较其他算法缩短了约60%。 本文算法确保精度同时，有效提高矿岩图像的分割效率，为自动化矿岩图像高效分割的工程实践提供重要指导依据。关键词：矿岩图像;图像分割;模糊划分熵;递推算法;图割2934|406|1更新时间：2024-05-07
- 摘要：为了更有效地提高中智模糊C-均值聚类对非凸不规则数据的聚类性能和噪声污染图像的分割效果，提出了核空间中智模糊均值聚类算法。 引入核函数概念。利用满足Mercer条件的非线性问题，用非线性变换把低维空间线性不可分的输入模式空间映射到一个先行可分的高维特征空间进行中智模糊聚类分割。 通过对大量图像添加不同的加性和乘性噪声进行分割测试获得的核空间中智模糊聚类算法提高了现有算法的对含噪声聚类的鲁棒性和分类性能。峰值信噪比至少提高0.8 dB。 本文算法具有显著的分割效果和良好的鲁棒性，并适应于医学，遥感图像处理需要。关键词：图像分割;模糊C-均值聚类;中智模糊聚类;核空间;核函数3173|418|12更新时间：2024-05-07
- 摘要：传统的立体视觉舒适度评价模型，在学习阶段一般采用回归算法，且需要大量的包含主观测试数据的训练样本，针对这个问题，提出一种利用多核增强学习分类算法的立体图像舒适度评价模型。 首先，考虑人们在实际观测图像时，对于先后观测到的不同图像进行相互比较的情况，将评价模型看成是偏好分类器，构造包含偏好标签的偏好立体图像对（PSIP），构成PSIP训练集；其次，提取多个视差统计特征和神经学模型响应特征；然后，利用基于AdaBoost的多核学习算法来建立偏好标签与特征之间的关系模型，并分析偏好分类概率（即相对舒适度概率）与最终的视觉舒适度之间的映射关系。 在独立立体图像库上，与现有代表性回归算法相比较，本文算法的Pearson线性相关系数（PLCC）在0.84以上，Spearman等级相关系数（SRCC）在0.80以上，均优于其他模型的各评价指标；而在跨库测试中，本文算法的PLCC、SRCC指标均优于传统的支持向量回归算法。 相比于传统的回归算法，本文算法具有更好的评价性能，能够更为准确地预测立体图像视觉舒适度。关键词：立体图像;视觉舒适度评价;偏好标签;偏好立体图像对(PSIP);多核增强学习;偏好分类器2946|883|0更新时间：2024-05-07
图像处理和编码
- 摘要：遥感影像提取识别机场目标是遥感领域研究的热点。但是大多研究仅使用被裁剪的影像进行提取识别,由于处理速度等原因很少使用整景高空间分辨率遥感影像提取机场目标。大多数研究是先提取出图像中的直线，根据直线确定机场跑道再确定机场目标，但高分辨率图像提取的直线不仅是机场跑道的，还有可能是高速公路、铁路、大型厂房的外墙、耕地边缘、山脉、地层等，如何区分提取的直线是机场跑道很少被研究。很多研究提取的都是大型机场目标，没有对小型机场进行提取识别，另外如果图像中同时有两个机场应该如何提取也没有被研究。天绘具有数据实时回收，数据全球覆盖等特点，本文将使用高空间分辨率天绘影像（6 000×6 000 像素）提取机场目标。天绘影像地物类型复杂，细节丰富，仅使用一般的空间滤波或边缘探测方法会导致检测结果中有过多的噪声和伪边缘，致使机场目标识别不出来，所以建立了一种以边缘提取追踪模型和SURF（speeded up robust features）检测结合的检测方法和提取流程，达到机场目标识别的目的。 边缘提取追踪模型是建立在边缘提取基础上。首先对天绘影像进行滤波处理消除噪声，再对图像进行梯度幅值和法线梯度方向的计算，并利用改进的非极大值抑制方法找到梯度图像中局部变化的最大值，删掉其他值，获得单像素边缘图像，然后对边缘图像进行边缘轮廓线追踪提取出边缘轮廓线，最后使用直线检测和SURF检测方法识别出机场目标。 使用本文方法成功地识别了4景天绘卫星图像中的机场目标。借助改进的非极大值抑制和边缘轮廓线追踪提取方法有效地提取了影像中所有地物的边缘，识别出的地物边缘都是清晰的、单像素的边缘，对地物边缘轮廓进行直线提取，并在提取直线的基础上使用SURF检测获得图像中的机场目标。利用天绘卫星图像成功在2景图像中分别提取出一大、一小两个机场，在另外两景图像中分别各提取出一个机场，顺利地实现了用天绘卫星图像提取识别机场目标的过程。 本文提出的机场目标提取方法十分有效，该方法不仅适合于天绘卫星遥感数据，还适用于和天绘卫星类似的其他遥感卫星数据。其中对非极大值抑制方法的改进能够提取出更准确的边缘，也能提取出更细微的边缘, 抑制虚假边缘的产生，对提取小型机场有帮助。关键词：改进的非极大值抑制;边缘轮廓线追踪提取;SURF检测;机场目标自动提取;天绘卫星影像3273|384|2更新时间：2024-05-07
- 摘要：现有的车标识别算法均为各种经典的图像特征算子结合不同的分类器组合而成，均未分析车标图像的结构特点。综合考虑车标图像的灰度特征和结构特征，提出了一种前背景骨架区域随机点对策略驱动下的车标识别方法。 本文算法将标准车标图像分为前景区域和背景区域，分别提取前、背景的骨架区域，在其中进行随机取点，形成点对，通过进行点对的有效性判断，提取能表示车标的点对特征。点对特征表示两点周围局部区域的相似关系，反映了实际车标成像过程中车标图案部分与背景部分的灰度明暗关系。 在卡口系统截取的19 044张车标图像上进行实验，结果表明，与其他仅基于灰度特征的识别方法相比，本文提出的点对特征识别方法具有更好的识别效果，识别率达到了95.7%。在弱光照条件下，本文算法的识别算法效果同样优于其他仅基于灰度特征的识别方法，识别率达到了87.2%。 本文提出的前背景骨架区域随机点对策略驱动下的车标识别方法，结合了车标图像的灰度特征和结构特征，在进行车标的描述上具有独特性和排他性，有效地提高了车标的识别率，尤其是在弱光照条件下，本文方法具有更强的鲁棒性。关键词：车标识别;点对特征;前背景区域;骨架区域;随机取点;交叉配对3171|400|5更新时间：2024-05-07
- 摘要：用手势控制家电是智能家居发展的趋势之一，传统的静态手势识别算法难以适应复杂的居家环境，特别当使用广角相机或环境干扰大时，为此提出一种动态的挥手识别算法，可以对视频序列中的挥手动作做出响应，以达到控制家电的目的。 挥手动作具有周期性且频率相对稳定，算法首先调整长滤波器和短滤波器使其检测到视频内周期性运动的区域，然后利用人手识别算法对周期性运动区域进行验证并确认人手。 通过与主流的手势识别算法的对比，在复杂环境下，本文算法将成功次数提高了3%，误触发次数降低了44%，响应时间也降低了近0.4 s。 实验结果表明，算法能够满足实际应用需求。此外，算法不基于运动目标检测，运算量极低，可以在较高的图像分辨率下实时运行，并能被移植到嵌入式平台下。关键词：智能家居;人机交互;手势识别;挥手识别;周期性运动目标检测3642|1485|1更新时间：2024-05-07
- 摘要：人类对人脸认知模式的探索由来已久，并且已经成功应用于美容整形等研究领域。然而，目前在计算机视觉和模式识别领域，计算人脸相似度的方法没有考虑人对人脸的认知模式，使得现有方法的计算结果从人的认知习惯角度来讲并非最佳。为克服以上缺陷，提出一种基于人脸认知模式的相似脸搜索算法。 依据人脸认知模式，选取特征点，并计算特征量，构造各面部器官（眼睛、鼻子、嘴巴、脸型）分类模型，即面部器官形状相似性度量模型，并采用圆形LBP算子，计算两幅人脸对应器官的纹理相似度，二者综合作为相似脸搜索的依据。 分别用本文方法和代表相似脸搜索最高水平的Face++的方法对80幅正面、中性表情、平视角度拍摄的人脸图像进行测试。本文方法的整体准确率高于Face++方法，其中，TOP1、TOP2最相似搜索结果准确率优势明显，均高出Face++方法12%以上。 实验结果表明，本文方法的搜索结果更加符合人脸认知模式，可应用于正面、中性表情、平视角度拍摄的人脸图像的相似脸搜索。此外，还可以将此类基于认知模式的图像搜索思路推广应用于商业领域，如基于图像的相似网购商品搜索等。关键词：相似脸;人脸相似度;人脸认知模式;人脸搜索4029|472|1更新时间：2024-05-07
- 摘要：LNP（linear-nonlinear-Poisson）模型很好地解译了神经元的响应过程，其重要环节之一是线性滤波器的提取。针对传统iSTAC（information-theoretic spike-triggered average and covariance）算法运用于LNP模型时的神经元特性表征不足、运动特征提取效果不佳等问题，特别是在处理低维度刺激问题时，提出了一种改进的iSTAC神经元滤波特征提取算法。 引入非触发刺激的统计量，从而更加准确地构建神经元滤波特征子空间的目标函数，同时增强系统的抗噪能力；采用变尺度法最大化目标函数，从而优化解空间，提升算法的收敛速率。 不同非线性条件下对线性滤波器的恢复实验结果表明，新算法相较于传统iSTAC算法在高维度刺激时保持较好的表征特性，在刺激维度小于6 500时有明显改善，且总体上优于STA（spike-triggered average）和STC（spike-triggered covariance）算法。 提出的新算法适用范围更广，鲁棒性更强，能够运用于建立完整的基于视觉特性的视频运动特征提取模型。关键词：LNP模型;iSTAC算法;低维度;滤波特征提取;非触发刺激;变尺度法2833|363|1更新时间：2024-05-07
图像分析和识别
- 摘要：触摸触觉设备感知物体时，需要实现视觉-力触觉同步反馈，其中图像-力触觉反馈难点在于再现更真实的纹理触感的触觉渲染过程。本文提出了一种基于图像局部纹理特征的静电力触觉渲染模型，实现了更加清晰、触感真实的图像纹理的静电力触觉反馈。 首先，采用局部傅里叶变换方法强化局部纹理特征，提取傅里叶变换系数分离出表征形状和局部纹理、边缘的频域分量。其次，对局部纹理特征进行力触觉渲染，建立局部纹理特征与驱动信号的映射模型，采用比例模型将局部纹理特征值转化为同等级的静电力表达。最后，根据静电力与驱动信号的心理学模型，由局部纹理特征控制不同驱动信号的输出产生静电力触觉。 进行纹理触觉对比感知实验验证算法有效性，62.5%的实验参与者偏爱基于图像局部纹理的触觉渲染算法反馈的纹理触感，本文算法可以模拟多种图像的纹理、边缘的触感。 算法在频域分离图像局部纹理、边缘和形状特征，建立纹理-力触觉渲染模型，针对大多数图片可以有效地增强纹理触感，提升触觉再现交互技术的沉浸感。关键词：触觉再现;静电力触觉渲染;纹理特征;局部傅里叶变换3218|378|1更新时间：2024-05-07
- 摘要：许多先前的显著目标检测工作都是集中在2D的图像上，并不能适用于RGB-D图像的显著性检测。本文同时提取颜色特征以及深度特征，提出了一种基于特征融合和S-D概率矫正的RGB-D显著性检测方法，使得颜色特征和深度特征相互补充。 首先，以RGB图像的4个边界为背景询问节点，使用特征融合的Manifold Ranking输出RGB图像的显著图；其次，依据RGB图像的显著图和深度特征计算S-D矫正概率；再次，计算深度图的显著图并依据S-D矫正概率对该显著图进行S-D概率矫正；最后，对矫正后的显著图提取前景询问节点再次使用特征融合的Manifold Ranking方法进行显著优化，得到最终的显著图。 利用本文RGB-D显著性检测方法对RGBD数据集上的1 000幅图像进行了显著性检测，并与6种不同的方法进行对比，本文方法的显著性检测结果更接近人工标定结果。Precision-Recall曲线（PR曲线）显示在相同召回率下本文方法的准确率较其中5种方法高，且处理单幅图像的时间为2.150 s，与其他算法相比也有一定优势。 本文方法能较准确地对RGB-D图像进行显著性检测。关键词：显著目标检测;S-D概率矫正;特征融合;Manifold Ranking;RGB-D;颜色特征;深度特征3532|451|2更新时间：2024-05-07
图像理解和计算机视觉
- 摘要：传统图像聚类算法多利用像元的光谱信息，较少考虑图像的空间信息，容易受到噪声干扰。针对该问题，提出一种整合超像元分割（SLIC）和峰值密度（DP）的高光谱图像聚类算法。 首先，利用超像元分割技术对高光谱图像进行分割并提取超像元光谱特征；然后，根据提取的超像元光谱特征，计算其峰值密度信息，搜索超像元光谱簇，构建像元与类别间的隶属度关系。最后，利用高光谱模拟数据以及两组真实高光谱图像评价算法的鲁棒性和精度。 在不同信噪比的模拟数据中，SLIC-DP算法在调整芮氏指标（ARI）最优的条件下，较K-means和SLIC-Kmeans的方差降低61.86%和41.61%，体现优越的鲁棒性。在高光谱数据集Salinas-A和Indian Pines中，SLIC-DP算法的ARI为0.777 1和0.325 7，较K-Means和SLIC-KMeans聚类算法分别增长10.71%，5.01%与78.86%，25.27%。 本文算法抗噪声能力强，充分利用空间信息与光谱信息，有效提升高光谱图像聚类精度。经验证，能满足高光谱图像信息提取和分析的要求，可进一步推广和研究。关键词：高光谱图像;聚类;峰值密度;超像元;分割4067|455|3更新时间：2024-05-07
遥感图像处理
- 地址：北京市海淀区北四环西路19号中科院电子所主楼223室 邮编：100190
- 联系电话：010-58887035/58887030/58887418 Email：jig@aircas.ac.cn
- 技术支持由北京北大方正电子有限公司提供 京ICP备05080539号-4
京公网安备11010802024621 - 本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
- Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies
0