1 浙江大学 工程师学院，浙江杭州3005
2 中航西安飞机工业集团股份有限公司，陕西西安710089
3 中国科学院 福建物质结构研究所 泉州装备制造研究中心，福建泉州62100
4 浙江大学 机械工程学院，浙江杭州310058
为了实现复杂环境下航空零件孔特征的高效高精度检测，提出了一种集成视觉显著性和群决策的检测方法。在经典FT显著性检测算法中引入图像增强步骤，并为每个像素赋予以最大显著区域中心为参考的权重，使用改进后的方法对图像进行孔区域分割。设计具有多尺度多结构元素的新型数学形态学边缘检测算法，结合轮廓细化算法对孔区域进行轮廓提取。最后，利用Meanshift算法寻找轮廓点的圆心位置，建立新的基于群决策的圆半径计算模型，获得孔特征的关键几何参数。结果表明：改进的视觉显著性特征检测算法能够生成更加突显孔特征的全分辨率显著图；新型数学形态学边缘检测算法能获得简化且可靠的轮廓点；该方法在不均匀光照、各类孔缺陷和孔内壁干扰等条件下均显示出较好的稳定性；即使在噪声密度高达30%时仍能成功完成孔检测，且圆心坐标和半径的误差均小于0.012 mm；平均检测时间仅为0.236 s。该方法能够在复杂环境下对航空零件孔特征进行准确、稳定的检测。
航空零件 孔特征检测 显著性检测 数学形态学 群决策 aircraft part hole feature detection saliency detection mathematical morphology group decision making
湖南师范大学信息科学与工程学院，湖南长沙 410081
针对红外与可见光图像融合过程中细节信息的缺失、融合结果对比度较低等问题，提出一种基于显著性检测与多层潜在低秩表示的红外与可见光图像融合方法。首先，使用基于显著性检测的方法对红外与可见光图像进行预融合；然后，使用多层潜在低秩表示方法依次将红外图像、可见光图像和预融合图像分解为低秩层和细节层；其中细节层采用结构相似性和 L2范数相结合的方法进行融合，低秩层使用基于能量属性的方法进行融合；最后，将低秩层和细节层的融合结果重构便得到最终的融合图像。文中将该方法与 11种具有代表性的图像融合方法进行了评估比较，通过对比多组融合图像的主客观评价，其结果表明，相较于对比方法，本方法能够保留红外与可见光图像融合过程中源图像的有效细节，且融合结果具有较高的对比度，更符合人们的视觉理解。
图像融合 显著性检测 潜在低秩表示 红外图像 可见光图像 image fusion, saliency detection, latent low-rank
武汉工程大学计算机科学与工程学院，湖北武汉 430205
为了改善红外图像的视觉效果，突出细节信息，同时抑制噪声。提出了结合改进的 LC显著性检测和双区域直方图均衡化的红外图像增强方法。首先使用结合局部熵加权的 LC显著性检测算法得到显著图。然后使用 K-means算法对显著图进行自适应分割得到前景区域和背景区域。最后对前景区域进行结合局部方差的改进直方图均衡化，对背景区域使用限制对比度直方图均衡化增强。实验结果表明，与当前主流算法相比，本文算法主观效果更佳，且峰值信噪比、结构相似性、信息熵等客观评价参数均有所提升。
局部熵 显著性检测 K-means算法 局部方差 直方图均衡化 local entropy, saliency detection, K-means algorit
南京航空航天大学 自动化学院，江苏 南京 211100
针对红外与可见光图像难以提取特征点实现配准的问题，提出一种基于边缘结构特征的红外与可见光图像配准算法。首先通过优化的显著性算法增强红外图像的结构特征；其次利用相位一致性提取红外和可见光图像的稳定边缘结构；然后提取边缘结构的ORB（oriented FAST and rotated BRIEF）特征点；最后结合KNN（K-nearest neighbor）算法和余弦相似度对匹配特征点进行筛选，并应用RANSAC（random sample consensus）算法进行提纯。实验表明，该算法能够克服灰度差异的影响，具有较高的配准精度和效率，有助于实现红外与可见光图像的配准。
显著性检测 相位一致性 特征提取 图像配准 saliency detection, phase consistency, feature ext
1 中国石油大学(北京) 信息科学与工程学院, 北京 102249
2 中国石油大学(北京) 石油数据挖掘北京市重点实验室, 北京 102249
3 北京空间机电研究所, 北京 100094
针对多模态遥感影像显著性检测鲁棒性差和检测精确度不佳等问题, 提出一种基于多模态边缘感知引导的显著性检测方法, 该方法主要由多模态遥感影像显著检测主干网络、跨模态特征共享模块和边缘感知引导网络构成。通过在特征提取主干网络中加入跨模态特征共享模块, 使得不同模态间特征通过共享交互实现协同增强, 并且抑制具有缺陷的特征信息。基于边缘感知引导网络, 通过边缘图监督模块来检测边缘特征的有效性, 从而生成准确边界。在 3种显著目标检测遥感图像数据集上进行实验, 平均的 Fβ、平均绝对误差 (MAE)、 Sm分数分别为 0.917 6, 0.009 5和 0.919 9。实验结果表明, 提出的多模态边缘感知引导网络(MEGNet)适用于在多模态场景中进行显著性检测。
多模态遥感图像 显著性检测 边缘感知引导网络 双线性特征融合 multi-modal remote sensing images saliency detection Edge Aware Guidance Network bilinear fusion 太赫兹科学与电子信息学报
2023, 21(3): 360
1 武汉科技大学信息科学与工程学院，湖北 武汉 430081
2 武汉科技大学冶金自动化与检测技术教育部工程研究中心，湖北 武汉 430081
现有的光场图像显著性检测算法不能有效地衡量聚焦度信息，从而影响了检测目标的完整性，造成信息的冗余和边缘模糊。考虑到焦堆栈不同的图像及全聚焦图像对于显著性预测发挥着不同的作用，提出有效通道注意力（ECA）网络和卷积长短期记忆模型（ConvLSTM）网络组成特征融合模块，在不降低维度的情况下自适应地融合焦堆栈图像和全聚焦图像的特征；然后由交互特征模块（CFM）组成的反馈网络细化信息，消除特征融合之后产生的冗余信息；最后利用ECA网络加权高层特征，更好地突出显著性区域，从而获得更加精确的显著图。所提网络在最新的数据集中，F-measure和平均绝对误差（MAE）分别为0.871和0.049，表现均优于现有的红、绿、蓝（RGB）图像、红、绿、蓝和深度（RGB-D）图像以及光场图像的显著性检测算法。实验结果表明，提出网络可以有效分离焦堆栈图像的前景区域和背景区域，获得较为准确的显著图。
图像处理 显著性检测 深度学习 光场图像 卷积神经网络 激光与光电子学进展
2022, 59(22): 2210006
1 江南大学机械工程学院，江苏 无锡 214122
2 江苏省食品先进制造装备技术重点实验室，江苏 无锡 214122
3 江南大学物联网工程学院，江苏 无锡 214122
针对自然环境下绿色柑橘与背景具有相似的颜色特征导致柑橘难以识别的问题，提出一种改进流形排序算法的显著性检测方法。首先，为了避免绿色柑橘图像亮度不均匀导致识别难度增加，利用基于模糊集理论的亮度增强方法对柑橘图像进行预处理。其次，为了解决传统的基于图的流形排序显著性检测算法依赖边界背景先验获取前景种子，导致显著图效果不理想的问题，使用相对总变差和局部复杂度结合的方法提取更准确的前景种子。最后，将提取到的前景种子与去除前景种子的边界背景先验显著图相结合进行流形排序，得到最后的显著图。实验结果表明，所提算法能更有效地识别出绿色柑橘区域，分割准确率、假阳性率和假阴性率达94%、3.19%和1.64%。
图像处理 显著性检测 流形排序 绿色柑橘 激光与光电子学进展
2022, 59(18): 1815007
1 中南大学自动化学院，湖南 长沙 410083
2 湖南省高强度紧固件智能制造工程技术研究中心，湖南 常德 415701
为了精确分割TFT-LCD异物缺陷，准确计算缺陷尺寸，满足TFT-LCD工业生产中对异物缺陷检测的需求，提出一种面向高精度小视野TFT-LCD图像的异物缺陷高精度自动分割方法。首先，根据屏幕像素的空间分布规律，考虑缺陷的尺寸变化，采用基于空间信息多尺度显著性的缺陷提取方法，自动获得图像中的缺陷区域。然后，结合缺陷与屏幕像素间隙的空间分布关系，找到被像素间隙截断的对应缺陷块组。最后，利用局部凸包拟合算法对缺陷区域进行连通，实现对异物缺陷的自动分割。实验结果证明，所提方法能较精确地分割异物缺陷，精确率和召回率分别为95.36%和93.34%，且尺寸计算正确率为96.5%，基本满足工业生产中TFT-LCD异物缺陷尺寸计算的稳定可靠、高精度、高准确性等要求。
机器视觉 TFT-LCD 缺陷分割 显著性检测 凸包拟合 激光与光电子学进展
2022, 59(12): 1215008
