1 中国科学院 长春光学精密机械与物理研究所,吉林长春30033
2 中国科学院大学,北京100049
为了提高跟踪过程中目标位置的定位精度,提出了基于显著性区域加权的相关滤波目标跟踪算法。本文在高效卷积算子跟踪算法(Efficient Convolution Operators for Tracking,ECO)的跟踪框架基础上,首先采用预训练的改进残差网络SE-ResNet来提取不同层的多分辨率特征,充分利用浅层和深层特征的不同特性来增强特征表达,通过因式分解的卷积求出相关滤波的响应图;然后采用背景对像模型来获取目标的显著性图,并使用显著性图来对相关滤波的响应图进行加权,提高定位精度;最后,在视觉目标跟踪(Visual Object Tracking,VOT)竞赛上与8种流行的跟踪算法进行对比,在VOT2016和VOT2017竞赛上的平均重叠期望(Expected Average Overlap,EAO)得分分别达到了0.415 7和0.341 2,均优于其他算法。实验表明本算法可以有效提升目标跟踪中的定位精度,改善跟踪性能。
卷积神经网络 相关滤波 显著性区域 目标跟踪 convolutional neural network correlation filter salient region object tracking
针对模板匹配过程中强遮挡、剧烈背景变化及物体非刚性形变等难题, 本文提出了一种基于多尺度显著性区域提取的模板匹配算法。算法采用多尺度-显著性特征并行提取的方式: 一方面利用空间金字塔模型将参考图像中的模板和待匹配图像中的目标区域分割成不同尺度的网格, 采用可形变多相似性度量方法(Deformable Diversity Similarity, DDIS)计算不同尺度下的匹配得分; 同时, 算法提取模板区域的显著性区域图, 形成模板区域的显著性得分; 随后, 利用显著性得分对不同尺度的匹配得分进行加权融合, 在融合得到的匹配得分图上寻找最佳匹配区域。算法与取得目前最好结果的DDIS方法相比, AUC(Area Under Curve)指标提升2.9%。实验结果表明, 显著性区域提取使匹配方法更加关注目标物体, 削弱背景及遮挡物体对其影响, 从而增强模板匹配方法对于背景变化及遮挡的抵抗能力。另外, 空间金字塔模型能够增强模板匹配方法对于物体不同尺度下的特征提取, 如物体的局部轮廓及结构特征等。二者结合有效地提高了匹配精度。
模板匹配 可形变多相似性度量 显著性区域提取 空间金字塔 template matching deformable diversity similarity salient object segmentation spatial pyramid model 光学 精密工程
2018, 26(11): 2776
1 上海航天控制技术研究所, 上海 201109
2 中国航天科技集团公司红外探测技术研发中心, 上海 201109
3 上海市空间智能控制技术重点实验室, 上海 201109
方差加权信息熵作为稳健的红外背景复杂程度定量描述指标, 在红外弱小目标检测中取得了不错的效果, 但由于其计算复杂, 导致算法实时性差, 很难在工程上应用。为了能快速地在红外复杂天空背景中识别到弱小目标区域, 对传统的基于图像方差加权信息熵的滤波算法进行改进。先对图像进行显著性区域分割, 粗略地得到显著性区域, 然后对显著性区域计算双分析模板区域方差加权信息熵差值, 根据复杂天空中典型区域的双分析模板区域方差加权信息熵差值的特点将候选目标区域识别出来。实验表明, 用本文算法既可以排除大量的复杂天空背景干扰区域, 又大幅缩短了算法运行的时间。
图像处理 红外复杂天空背景 红外弱小目标 显著性区域分割 方差加权信息熵 激光与光电子学进展
2018, 55(10): 101006
天津大学 电气自动化与信息工程学院 无线宽带通信和立体成像研究所,天津 300072
结合视觉注意机制, 通过大量主观实验定量地对影响立体图像视觉舒适度的色度因素进行了研究.首先, 结合视差图和平面显著图获得立体显著度图, 再利用模糊隶属度和掩膜对其优化得出最终的显著立体图像, 并采用眼动仪对所得显著立体图像的合理性进行验证; 然后, 采用由粗到细的逐级逼近法获得实验数据, 利用视觉感知正常的被试者进行主观实验, 得到不同场景显著立体图像的舒适色度匹配图和差异图.实验结果表明, 左右视图舒适色度区间会随着不同场景而不同, 双目视图舒适色度差异值平均最大可为122.5°, 即左右视图色度差异不能过大.所得舒适色度范围很好地反映了立体图像的舒适度, 不仅为立体信息的质量评价提供了评判依据而且为立体内容的制作提供了更有力的技术支撑.
视觉舒适度 双目立体图像 色度 视觉显著性区域 主观评价 Degree of visual comfort Binocular stereo Chromaticity Visual salient region Subjective evaluation
1 中国科学院 长春光学精密机械与物理研究所, 航空光学成像与测量重点实验室, 吉林 长春 130033
2 中国科学院大学, 北京 100049
在航天航空光学遥感舰船目标检测中, 受大气、光照、云雾和海岛等海面不确定条件的影响, 传统的舰船检测方法存在检测效率低和可靠性差等问题, 因此, 本文提出一种无监督海面舰船目标自动检测方法。该方法以视觉显著性为依据, 结合多显著性检测模型快速搜索海面目标, 生成显著图后对其进行粗分割, 对提取的目标切片做标记并进行精细分割, 利用改进的Hough变换旋转目标主轴以保证目标对Y轴的对称性; 对可能检测到的厚重云层和岛屿等伪目标使用梯度方向特征进行鉴别, 通过判定目标在360°范围内8个区间的梯度幅度统计值, 确认舰船目标及去除伪目标。实验结果表明, 该舰船检测方法能够成功提取海面上大小不同, 位置随机分布的舰船目标, 准确获取舰船目标的数量和位置信息, 在大量真实光学遥感图像上的测试结果显示, 本文方法检测准确率高于93%, 通过目标鉴别处理, 剔除伪目标后, 虚警率可低于4%, 鲁棒性较强。
计算机视觉 舰船检测 视觉注意机制 显著性区域 梯度方向特征 computer vision detection on ships and warships visual attention mechanism saliency area characteristics of gradient direction
延边大学工学院计算机科学与技术学科智能信息处理研究室, 吉林 延吉 133002
交通场景的显著目标检测能够为自动决策或辅助驾驶系统提供重要信息。基于视觉的底层特性, 提出了一种基于亮度空间和对立颜色空间的多特征空间奇异值分解的交通场景显著性区域快速检测方法, 为交通标志检测和场景语义分析提供有效信息。首先, 在亮度空间中, 利用奇异值分解确定强光区域并进行强光抑制, 检测抑制强光后的亮度特征显著性区域; 其次, 在双对立颜色空间中保留部分奇异值重构的区域作为颜色特征显著性区域; 最后, 对各个特征空间的显著性区域进行线性相加并将相加结果中的显著性区域作为交通场景目标检测的候选区域。实验结果表明, 算法在复杂光照和背景下具有较好的稳健性。
机器视觉 显著性区域 奇异值分解 交通场景 强光抑制 激光与光电子学进展
2017, 54(5): 051501
1 北京工业大学 电子信息与控制工程学院, 北京 100124
2 河南科技学院 机电学院, 河南 新乡 453003
由于仅考虑颜色等视觉对比信息的视觉显著性提取模型不符合人眼生物学过程,本文提出了一种基于混合模型的改进显著性区域提取(ISRE)方法.该混合模型由显著性滤波算法和改进脉冲耦合神经网络(PCNN)算法构成.首先,利用显著性滤波器算法获得原图像的初始显著性图(OSM)和亮度特征图(IFM),用IFM作为PCNN的输入神经元;然后,进一步对PCNN点火脉冲输入进行改进,即对PCNN内部神经元与OSM的二值化显著性图进行点乘,确定最终点火脉冲输入,以获得更加准确的点火范围;最后,通过改进后的PCNN多次迭代,完成显著性二值化区域提取.基于1 000 张标准图像数据库进行的实验结果显示:在视觉效果和客观定量数据比对两方面,本算法均优于现有的5种显著性提取方法,平均查准率为0.891,平均召回率为0.808,综合指标F值为0.870.在真实环境实验中,所提算法获得了精确的提取效果,进一步验证了本算法具有较高的准确性和执行效率.
混合模型 特征提取 改进显著性区域提取 脉冲耦合神经网络(PCNN) 点火脉冲 二值化 hybrid model feature extraction Improved Salient Region Extraction(ISRE) Pulse Coupled Neural Network(PCNN) ignition pulse binarization