图像显著性检测能够获取一幅图像的视觉显著性区域，是计算机视觉的研究热点之一。提出一种结合颜色特征和对比度特征的图像显著性检测方法。首先构造图像在HSV空间的颜色函数以获取图像颜色特征；然后使用SLIC超像素分割算法对图像进行预处理，基于超像素块的对比度特征计算图像显著性；最后将融合颜色特征和对比度特征的显著图经过导向滤波优化形成最终的显著图。使用本文算法在公开数据集MSRA-1000上进行图像显著性检测，并与其他6种算法进行比较。实验结果表明本文算法结合了图像像素点和像素块的信息，检测的图像显著性区域轮廓更加完整，优于其他方法。
显著性检测 颜色特征 超像素 对比度特征 导向滤波 saliency detection color features superpixel contrast features guided filter
海洋白冠是一种典型的海表现象，对白冠覆盖率(WC)的研究具有重要的科学意义和实用价值。基于数字图像处理的白冠自动识别技术具有快速、高效、低成本和大批量的特点，对比分析了自动提取白冠算法、自适应阈值分割算法和迭代类间方差算法等自动识别算法对海面图像的处理结果，针对光照不均的海面图像提出了应用顶帽变换和图像增强的光照校正改进算法，来消除阳光反射带来的负面影响和运算不稳定。对船拍视频应用该改进算法，在光照不均时，增强了原三种算法的鲁棒性，有效提高了WC的计算正确率，有利于自动化处理视频序列图像。
白冠覆盖率 阈值分割 光照校正 顶帽变换 图像增强 whitecap coverage thresholding segmentation illumination correction top-hat transformation image enhancement
为测量轴对称目标的俯仰角和偏航角,提出了一种基于Radon变换的轴对称目标三维姿态测量新方法。首先分析了目标成像模型和三维姿态测量原理；其次采用Radon变换算法提取目标的初始中轴线,然后利用最小二乘拟合法优化得到更加精确的结果；最后,以投弃式温深仪探头为对象,设计了仿真及物理实验来验证所提方法。仿真及物理实验表明,该方法能精确地提取目标的中轴线,中轴线角度平均误差小于0.02°。搭建的双目视觉测量系统可以用于目标三维姿态测量,测量精度满足应用需求。
姿态测量 Radon变换 中轴线提取 双目立体视觉 pose measurement Radon transform axes detection binocular stereo vision
1 天津大学 电子信息工程学院，天津 300072；国家海洋技术中心，天津 300112
2 天津大学 电子信息工程学院，天津 300072
针对视频图像中自动提取海岸线的问题，提出了一种基于Radon 变换和彩色图像梯度跟踪模型的海岸线提取算法。根据海水和陆地的彩色图像信息差异，在计算彩色梯度向量的基础上，利用Radon 变换检测线状奇异性的特点，设计剖面分析方法，预测水陆交界处大致方向和动态范围，以达到缩小检测区域的目的；最后采用一种改进的最大梯度跟踪模型对海岸线进行搜索，以提取最终的海岸线精确定位参数。实验结果验证了该算法对海岸线检测的有效性和较强的鲁棒性。
海岸线 彩色空间 边缘检测 Radon 变换 梯度跟踪 shoreline color space edge detection Radon transform gradient tracking
传统的图像校正方法需要在拍摄现场布放若干标定点。本文给出了一种新的算法，根据摄像机内部的物理结构，结合DLT(直接线性变换)法等相关知识，构造四个虚拟标定点，根据这些虚拟标定点求出校正系数。该算法无需在拍摄现场安放任何标定点就能够完成对图像的校正，得到物体的真实形状。文中使用该算法对六幅拍摄图像进行了校正，检验了该算法的有效性，并分析了产生微小误差的原因，给出了减小误差的方法。
计算机视觉 图像校正 标定点 computer vision image correction DLT DLT calibration point
