基于视觉显著性的视频差错掩盖算法

为了避免在差错掩盖过程中由于不当的替代块选择而引入新的可察觉失真,将视觉显著性与差错掩盖算法相结合,提出了一种基于视觉显著性的视频差错掩盖算法. 首先使用显著图检测算法将原始视频的每帧图像分为感兴趣区域和非感兴趣区域,接下来在解码端利用视频序列的显著性分布信息进行差错掩盖,保证候选替代块的选择范围被限制在与原始单元具有相似视觉显著性分布水平的区域内;其次在非感兴趣区域受损单元的掩盖算法中引入显著性降低操作算子,通过算子循环迭代来降低其替代块的强度和颜色对比度,使得掩盖后的图像区域既能保持较好的匹配性又具有低显著性;最后利用快速非局部均值去噪算法,对完成差错掩盖操作的视频序列进行去噪处理,以提高视频序列的整体视觉质量. 实验结果表明:在3%、5%、10%丢包率下,相对于传统的边界匹配算法,该算法掩盖后的序列的客观质量具有0.79～1.66 dB的提升;相对于解码端运动估计算法,该算法掩盖后的序列的客观质量具有0.39～1.55 dB的提升;在掩盖完成后使用非局部均值去噪算法,视频序列的客观质量有0.05～0.51 dB的提升.      

A multiscale superpixel-level salient object detection model using local-global contrast cue

The goal of salient object detection is to estimate the regions which are most likely to attract human’s visual attention. As an important image preprocessing procedure to reduce the computational complexity, salient object detection is still a challenging problem in computer vision. In this paper, we proposed a salient object detection model by integrating local and global superpixel contrast at multiple scales. Three features are computed to estimate the saliency of superpixel. Two optimization measures are utilized to refine the resulting saliency map. Extensive experiments with the state-of-the-art saliency models on four public datasets demonstrate the effectiveness of the proposed model.     

一种多阶段处理的红外小目标检测方法

提出了一种二阶段红外图像序列小目标检测方法.该方法由2个相序的处理阶段组成,即目标的预侦测阶段和目标的确认阶段.在处理的第一阶段,通过快速扫描输入图像,根据视觉特征的显著性抽取潜在的目标集合.这些潜在的目标在第二个处理阶段通过双均值滤波方法被进一步地识别,判断出真目标,剔除假目标.统计分析在理论上证实了这种算法结构的高效和合理性.实验结果表明该方法在运算速度上有显著的优势.     

Infrared and visible image fusion based on region of interest detection and nonsubsampled contourlet transform

In order to enhance the contrast of the fused image and reduce the loss of fine details in the process of image fusion,a novel fusion algorithm of infrared and visible images is proposed.First of all,regions of interest(RoIs)are detected in two original images by using saliency map.Then,nonsubsampled contourlet transform(NSCT)on both the infrared image and the visible image is performed to get a low-frequency sub-band and a certain amount of high-frequency sub-bands.Subsequently,the coefcients of all sub-bands are classified into four categories based on the result of RoI detection:the region of interest in the low-frequency sub-band(LSRoI),the region of interest in the high-frequency sub-band(HSRoI),the region of non-interest in the low-frequency sub-band(LSNRoI)and the region of non-interest in the high-frequency sub-band(HSNRoI).Fusion rules are customized for each kind of coefcients and fused image is achieved by performing the inverse NSCT to the fused coefcients.Experimental results show that the fusion scheme proposed in this paper achieves better efect than the other fusion algorithms both in visual efect and quantitative metrics.     

Saliency motivated pulse coupled neural network for underwater laser image segmentation

The detection range of underwater laser imaging technology achieves 4—6 times of detection range of conventional camera in intervening water medium, which makes it very promising in oceanic research, deep sea exploration and robotic works. However, the special features in underwater laser images, such as speckle noise and non-uniform illumination, bring great difficulty for image segmentation. In this paper, a novel saliency motivated pulse coupled neural network(SM-PCNN) is proposed for underwater laser image segmentation. The pixel saliency is used as external stimulus of neurons. For improvement of convergence speed to optimal segmentation, a gradient descent method based on maximum two-dimensional Renyi entropy criterion is utilized to determine the dynamic threshold. On the basis of region contrast in each iteration step, the real object regions are effectively distinguished,and the robustness against speckle noise and non-uniform illumination is improved by region selection. The proposed method is compared with four other state-of-the-art methods which are watershed, fuzzy C-means, meanshift and normalized cut methods. Experimental results demonstrate the superiority of our proposed method to allow more accurate segmentation and higher robustness.     

融合边缘检测与区域生长的交通图像分割方法

在交通监控中,如何从复杂的背景中分割运动物体是至关重要的一步,针对车辆的运动阴影对图像分割产生的不利影响,提出了一种新的融合边缘检测与区域生长的彩色图像分割算法,算法同时考虑了图像的彩色信息和空间信息.该算法首先对彩色图像边缘检测,并根据检测结果设置种子像素;再基于颜色相似性生长准则,结合边缘检测结果,对每个种子点进行区域生长;最后,利用区域合并算法对剩余的像素进行合并.实验结果表明该算法很大程度上克服了阴影给图像分割带来的不利影响.     

高铁扣件的自适应视觉检测算法

为了实现高铁缺陷扣件的准确、快速和自动化检测，提出一种基于图像处理技术的高铁扣件自适应视觉检测算法. 针对高铁扣件图像的特性，使用改进的LBP (local binary pattern)算子提取扣件的显著特征；在扣件特征图的基础上，采用模板匹配算法得到扣件区域在原始图中的精确位置，进而得到扣件子图并用扣件的位置信息校验定位结果；以相邻两个扣件子图的差值作为判断依据，如果差值大于预设的阈值，相应的扣件则被判断为缺陷扣件. 将该检测算法应用于高铁工务部门提供的真实扣件图. 研究结果表明:本文提出的自适应扣件检测算法在雨天的表现最差，检出率为96%，误检率为0.50%；在晴天的表现最好，检出率为100%，误检率为0.22%；在不同天气、光照、环境下的综合检出率为99%，综合误检率为0.33%.      

一种基于激光与视频信息时空数据融合的行人检测方法

针对城市交通行人安全问题,本文提出了一种基于激光与视频数据融合的行人检测方法.通过激光与视频数据空间和时间上的融合,将激光数据映射到图像坐标;在激光聚类过程中,采用K-means 聚类算法对激光云点进行聚类分析,然后运用行人宽度模型提取候选行人区域;在基于图像的行人检测过程中,选取头肩、躯干以及腿部人体特征部位,采用Haar-like 特征集和Boosting 算法进行训练,得到部位检测器;最后,基于贝叶斯决策的组合策略对候选行人区域进行有效判定.实验结果表明,本文所述算法有较好的检测精度和实时性能.     

基于深度图像的机场道面裂缝自动检测算法

为了实现强噪声、弱光照、低对比度条件下的机场道面细小裂缝检测, 设计了基于深度图像的机场道面裂缝检测算法; 将采集到的深度图像划分成多个网格, 并对每个网格进行扩充, 获得了局部道面区域; 针对每个网格区域, 基于随机抽样一致算法进行局部三次曲面构建和优化估计; 在此基础上, 在全局尺度下融合全部网格区域的曲面模型, 生成整个图像采集区域道面的全局曲面模型; 利用全局曲面模型与原始深度图像之间的差值图像, 采用自适应阈值方法分割出候选裂缝像素, 并利用裂缝的像素总数、长度以及长宽比等多种形态学约束筛选候选裂缝像素, 去除错误的候选裂缝像素, 从而获得了最终的裂缝检测结果; 在机场道面深度图像数据集上进行了试验, 以人工标注结果作为真实值, 以准确率、召回率以及F值作为量化评估指标, 将提出的算法分别与4种有代表性的传统算法进行了对比。试验结果表明: 传统算法能够取得的最高准确率、召回率以及F值分别为77.05%、41.02%和50.02%, 提出的算法在准确率、召回率和F值3个指标上均有明显优势, 其均值分别为91.20%、97.99%和94.12%;提出的算法能够在分辨率为1 984像素×2 000像素的深度图像上检测出最小宽度为3 mm、最小长度为10 cm的裂缝, 实现了在复杂机场道面场景中识别细小裂缝的目标。      

基于复轮廓波域高斯比例混合模型SAR图像去噪

在分析了SAR图像的噪声成因及其噪声模型的基础上,提出了一种适用于复轮廓波变换域的高斯比例混合模型的SAR图像去噪（CCT-GMS）算法.本文所提出的算法具有多方向多尺度移不变性,并且充分的利用了复轮廓波的时域和频域的特性,改善了图像的视觉效果.实验结果表明：相比使用小波-轮廓波加上Cycle Spinning去噪,本文算法的峰值信噪比提高2 dB,相比使用BLS-GMS去噪,本文的算法抑制了人造纹理产生,视觉效果得到了明显的改善.     

Detecting shifted double JPEG compression tampering utilizing both intra-block and inter-block correlations

Copy-paste forgery is a very common type of forgery in JPEG images.The tampered patch has always suffered from JPEG compression twice with inconsistent block segmentation.This phenomenon in JPEG image forgeries is called the shifted double JPEG(SDJPEG) compression.Detection of SDJPEG compressed image patches can make crucial contribution to detect and locate the tampered region.However,the existing SDJPEG compression tampering detection methods cannot achieve satisfactory results especially when the tampered region is small.In this paper,an effective SDJPEG compression tampering detection method utilizing both intra-block and inter-block correlations is proposed.Statistical artifacts are left by the SDJPEG compression among the magnitudes of JPEG quantized discrete cosine transform(DCT) coefficients.Firstly,difference 2D arrays,which describe the differences between the magnitudes of neighboring JPEG quantized DCT coefficients on the intrablock and inter-block,are used to enhance the SDJPEG compression artifacts.Then,the thresholding technique is used to deal with these difference 2D arrays for reducing computational cost.After that,co-occurrence matrix is used to model these difference 2D arrays so as to take advantage of second-order statistics.All elements of these co-occurrence matrices are served as features for SDJPEG compression tampering detection.Finally,support vector machine(SVM) classifier is employed to distinguish the SDJPEG compressed image patches from the single JPEG compressed image patches using the developed feature set.Experimental results demonstrate the efficiency of the proposed method.     

基于加权密集连接卷积网络的快速交通标志检测

为提高算法对交通标志快速定位的准确性，改善现有检测算法在复杂交通环境下检测效果不佳、实时性较差的问题，提出一种基于动态加权密集连接卷积网络的交通标志快速检测算法. 选用YOLOv2 作为基础网络，通过增加动态加权密集块对各层特征图的权重进行调节，实现深层高语义信息和浅层低语义信息的融合；使用MobileNet 轻量化网络结构，通过可分离卷积操作有效降低网络的计算成本；针对池化操作中图像特征丢失严重问题引入 CBAM模块，利用通道注意力和空间注意力信息增强关键特征的表达能力. 实验结果表明，本文算法在GTSDB数据集上分别达到了96.14%的检测精度和139 frame/s 的检测速度，在保证较高检测精度的同时，能够有效提高检测效率，满足实时检测要求.     

应用形态学方法提高SAR目标检测中的聚类效果

Lincoln实验室提出的SAR(synthetic aperture radar)ATR(automatic target recognition)算法由于其经典性而被广泛采用,该算法为三级结构模式,处于其中Prescreener级和Discriminator级之间的聚类算法对于检测算法整体性能有重要的影响,文中介绍了SAR ATR算法采用的常规聚类算法,分析了常规算法在聚类过程中存在的杂波干扰问题,针对问题在聚类前引入形态学操作方法,将待聚类图像中包含的孤立点删除而只保留团状分布的样本,从而消除了杂波点对聚类的干扰,基于实际SAR图像的聚类结果验证了应用形态学方法对提高聚类效果的有效性.     

结合区域分割和Wishart分类器的机场跑道区域快速检测方法

提出了一种结合区域分割和Wishart分类器的极化合成孔径雷达图像机场跑道区域快速检测方法; 利用简单线性迭代聚类算法分割极化合成孔径雷达图像, 并将分割得到的超像素作为后续分类处理的基本单元; 采用一种优化后的距离度量方式给超像素分配类别标签, 解决了传统Wishart距离度量因子冗余运算量大的问题; 分析了机场跑道区域像素的极化散射特性, 利用机场跑道区域的弱散射特性从分类结果中提取感兴趣区域; 利用机场跑道的结构特征筛选辨识感兴趣区域, 进而确定机场跑道区域的准确位置; 利用极化合成孔径雷达实测数据测试了算法的有效性, 并与传统基于像素的检测结果进行对比。试验结果表明: 该算法在复杂大场景下能够快速有效检测出机场跑道区域, 检测出的跑道轮廓清晰, 结构比较完整; 采用简单线性迭代聚类算法预处理图像极大地降低了后续处理的复杂性; 针对墨西哥湾试验数据, Wishart分类器处理单元个数分别是Freeman+Wishart算法和FCM+Wishart算法的1.0%和2.4%, 整个检测过程耗时分别为Freeman+Wishart算法和FCM+Wishart算法的9.9%和27.1%;针对大岛试验数据, Wishart分类器处理单元个数分别是Freeman+Wishart算法和FCM+Wishart算法的1.0%和2.6%, 整个检测过程耗时分别为Freeman+Wishart算法和FCM+Wishart算法的14.0%和31.8%。可见, 所提检测方法的实时性能优于基于像素的检测方法。      

Unsupervised spatio-temporal segmentation for extracting moving objects in video sequences

Extraction of moving objects is an important and fundamental research topic for many video ap-plications. This paper addresses an unsupervised spatio-temporal segmentation scheme to extract moving objects from video sequences. The temporal segmentation localizes moving objects by comparing the motion vector of each block in each frame with the corresponding global motion vector estimated by an outlier rejection (OR) based method. Furthermore, the temporal compensation utilizing the temporal coherence of moving objects is considered in the temporal segmentation to solve the temporarily stopping problem. The detected moving regions usually have discontinuous boundaries and some holes. These regions are then compensated in the spatial domain. In the spatial segmentation, the watershed algorithm considering the global information improves the accuracy of segmentation in the spatial domain. The modified mean filter is presented to suppress some minima. By using a fusion module, moving objects are extracted. Experiments on various sequences have successfully demonstrated the validity of the proposed scheme.     

基于小波变换自适应数字图像水印算法

阐述了图像数字水印和小波变换的基本原理,通过对小波基、分解级数、小波系数选择及人类视觉掩蔽特性等的分析,提出了一种基于小波变换自适应图像数字水印算法．通过剪切、加噪、滤波、锐化、模糊等几种常用攻击技术对算法进行了测试,实验结果表明该算法具有较强的鲁棒性．     

基于图像内容和混沌系统的图像认证算法

提出了一种利用离散余弦变换（Discrete Cosine Transform,DCT）系数和混沌系统的可用于检测图像篡改定位的脆弱性数字水印算法.首先将图像进行不重叠的分块,分块后的图像经过DCT变化后,利用中频系数产生水印.同时利用混沌系统构成图像块间信息嵌入和提取的对应关系,并将水印嵌入到相关块的最低有效位.图像篡改检测过程为：将提取的水印和生成的水印进行比较,通过差异的位置对其进行定位.实验结果显示,该算法具有良好的定位精度,混沌系统的采用,使算法具有较高的安全性.     

夜间复杂交通场景中的车辆检测和跟踪

为提高夜间车辆视频检测和跟踪的准确率,提出一种夜间车辆检测和跟踪算 法.本算法通过亮斑分割和连通组件匹配来检测和定位车辆前灯,并利用区域跟踪算法对 前灯进行跟踪以提高检测准确率.考虑到夜间行车时车辆前灯的显著特征,通过改进Otsu 方法以自适应地分割明亮区域,并根据前灯的几何形状、尺寸及位置信息滤除非车灯部 分的车辆信息.然后利用前灯的对称性进行前灯的配对和归类;最后采用区域跟踪算法对 前灯进行定位和跟踪.实验结果表明,本算法车辆检测平均准确率大于97%,处理速度比 已有方法提高15.8%以上.     

精密光学元件表面洁净度成像检测系统

为解决精密光学元件表面洁净度检测面临疵病干扰及测量精度不理想的问题,提出了基于机器视觉方法的图像检测系统,没计了适用于多种尺寸待检测元件的活动夹具和三维电控平台.利用Canny边缘检测算子分割出被检对象边缘,用凸壳的方法得到被检对象的封闭区域,采用关联向量机法,对待检测对象封闭区域的几何空间、灰度空间和变换域空间参数构成的待检测向量进行分析,识别出固体颗粒残蹦物和非同体颗粒残留物,最终得到精密光学元件表面的洁净度等级.     

图像分块下的隧道裂缝识别方法

针对隧道衬砌表面不均匀光照、渗水和噪声等强视觉干扰,设计了基于图像分块的隧道衬砌裂缝检测算法;根据中国西部地区的地理特征和隧道衬砌的外观病害,研制开发出一种快速、自动化的非接触式智能隧道结构物外观检测系统; 以非均匀光照下隧道图像数据集为研究对象,在图像分块的基础上提出一种适用于隧道裂缝特征提取的图像识别算法;研究了电子元件产生的噪声,并分析和总结了隧道衬砌的灾害特征;根据裂缝特征和分辨率将图像矩阵划分为适当数量的区域块,根据区域块的灰度特征将原始图像划分为目标背景区、目标病害区、病害背景区和其他区域,通过最大类间方差法和局部阈值法分割得到了隧道裂缝的粗图像,在此基础上进行了粗图像裂缝特征提取;对原始图像的每个区域块进行了对比度受限的自适应直方图均衡操作和局部阈值分割,得到了细节图像;将细节图像和粗图像的重叠区域设为理想裂缝二值化图像;结合隧道结构物外观检测系统对不同方向的裂缝图像进行了二值化试验,并通过隧道裂缝定位和投影法得到了隧道衬砌图像中裂缝的位置信息和方向。研究结果表明:提出的算法对隧道裂缝识别的准确值、召回率和F值可分别达90.34%、98.78%和94.37%,既可以保证隧道裂缝的完整性,也可以在非均匀光照下最大程度地保留目标裂缝的细节,可用于处理一般灰度图像的二值化问题。