西安科技大学测绘科学与技术学院, 陕西西安 710054
视觉注意机制具有快速引导关注到重点区域的特性, 将其引入高光谱图像异常检测中具有可行性。本文从采样方式、波段选取、融入局部光谱特征 3方面构建更适用于计算高光谱图像显著性的视觉注意机制模型。针对经典的基于高斯统计分布假设的 RX异常检测算法在背景参数估计中易受潜在异常干扰的问题, 利用视觉显著性结果对原图像进行高斯加权, 在加权后图像中进行背景均值与协方差的重新估算, 进而使用更精确的背景参数对原图像进行 RX异常检测。在 5个经典数据上的实验结果表明, 本文方法有效地表现了潜在的异常目标, 改进的 RX异常检测算法具有更高的检测精度与更低的虚警率。
高光谱图像 异常检测 视觉注意机制 显著性 hyperspectral image, anomaly detection, visual att RX
1 河南测绘职业学院空间信息工程系, 河南 郑州 450015
2 河南大学环境与规划学院, 河南 开封 475004
将基于多尺度显著性检测的视觉注意机制引入到高光谱影像的噪声去除和图像增强处理中,并基于分层聚类算法,提出一种结合聚类降维和视觉注意机制的高光谱影像分类方法。以Indian数据集和Pavia数据集为例,开展降维、显著性映射图获取和支持向量机监督分类实验。结果表明,本文方法能够较大地提升高光谱影像的分类精度和效率。
遥感 图像分类 聚类降维 视觉注意机制 多尺度显著性检测 激光与光电子学进展
2019, 56(21): 212802
1 岭南师范学院信息工程学院, 广东湛江 524048
2 桂林理工大学信息科学与工程学院, 广西桂林 541004
如何在没有先验信息的情况下从复杂噪声背景下快速检测到远距离进入的弱小目标, 提高整个装备系统的响应能力, 是目前 IRST热门研究课题。本文通过引入视觉注意机制, 提出了一种结合尺度自适应的局部对比度测量的红外弱小目标检测方法。本文首先采用拉普拉斯金字塔尺度空间理论对所有像素点局部对比度进行分析, 获得对应的自适应尺度信息;然后在跳出效应的基础上设计了一种基于改进的局部对比度测量模型, 最终生成一个显著图来突出目标特性, 该方法能够在增强目标对比度同时, 抑制背景杂波。定性定量实验结果表明, 本文提出的方法相比于对比算法具有较高的红外小目标检测性能, 能够对对比度不低于 5%的目标稳定检测, 适合防空**装备工程应用。
目标检测 视觉注意 尺度感知 对比度测量 跳出效应 object detection, visual attention, scale percepti
海军航空大信息融合研究所, 山东 烟台264001
分析了高分辨率SAR图像中海洋背景和舰船目标的特点,针对高分辨率SAR图像提出了一种两阶段舰船目标快速检测算法:第一阶段采用改进的频谱残差视觉显著计算模型快速获取视觉的感兴趣区域;第二阶段检测阶段,结合贝叶斯理论二元假设检验的思想,设计了一个局部最大后验概率分类器进行像素分类,经参数估计、判决准则完成显著区域内像素二分类以实现目标检测。实验采用典型的高分辨率SAR卫星Terra-SAR-X卫星数据进行仿真实验,结果表明所提算法具有良好的检测性能,也更加符合实际高分辨率图像舰船目标检测的应用需求。通过进一步实验与以往检测算法的对比得出结论,高分辨率SAR图像舰船目标检测方法在能够改善由斑点噪声和不均匀的海杂波背景对检测结果带来虚警的同时,检测速度也提高了25%~50%。
合成孔径雷达图像 舰船目标检测 频谱残差模型 视觉注意机制 局部最大后验概率分类器 synthetic aperture radar image ship target detection spectral residual model visual attention mechanism local maximum posteriori probability classifier
在研究了经典ITTI等视觉注意模型的理论基础上, 结合海面SAR图像背景及目标特点, 对传统视觉模型应用于海面SAR图像的缺陷进行分析总结, 提出一种适用于海面SAR图像视觉注意模型设计算法。首先, 模型借鉴经典ITTI模型的基本框架, 选择并提取了能够较好描述SAR图像的纹理和形状特征, 求取相应的特征显著图;其次, 采用新的特征显著图整合机制替代经典模型的线性相加机制进行显著图融合得到总显著图;最后, 综合各特征显著图下注意焦点的灰度特征, 选择最佳的显著性表征, 完成通过多尺度竞争策略对显著图的滤波及阈值分割实现显著区域的精确筛选, 从而完成SAR图像的显著区域检测。实验采用TerraSAR-X等多幅卫星数据进行仿真实验, 结果验证了模型良好的显著性检测效果, 更符合实际高分辨率图像目标检测的应用需求。通过进一步与经典视觉模型对比分析, 模型在改善了由斑点噪声和不均匀的海杂波背景对检测结果产生的虚警影响的同时, 检测速度也较之提高了25%~45%。
合成孔径 雷达图像 视觉注意模型 特征显著图 融合策略 注意焦点 synthetic aperture radar image visual attention model saliency map of features fusion strategy focus attention
海军航空大学 信息融合研究所, 山东 烟台 264001
针对高分辨率合成孔径雷达图像设计了一种舰船目标几何特征提取算法.通过视觉注意机制检测目标区域的算法, 通过频谱残差视觉显著计算模型求取显著图, 完成显著区域的检测以实现舰船目标的初步定位, 基于获得的视觉显著图采用最大熵算法完成阈值分割筛选出舰船区域.在提取的舰船切片的基础上, 采用针对几何特征的提取算法, 经图像预处理、方位角估计、旋转获取最佳表征舰船目标几何轮廓的外接矩形, 相对有效准确地提取几何特征; 最后, 采用典型的TerraSAR-X数据进行仿真实验.结果表明, 与传统方法相比, 本文提出的频谱残差视觉模型完成合成孔径雷达图像舰船切片的区域分割能够有效降低虚警率, 舰船目标的检测速度提高了25%~50%.该方法能够快速稳定地提取舰船目标的几何特征, 也更加符合实际高分辨率图像舰船目标检测的应用需求.
合成孔径雷达 几何特征提取 舰船目标检测 视觉注意机制 频谱残差计算 方位角估计 最小外接矩形 Synthetic aperture radar Feature extraction Target detection Visual saliency Spectral residual Azimuth estimation Minimum bounding rectangle
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
1 中国人民公安大学 刑事科学技术学院, 北京 100038
2 中国地质大学(武汉) 地球科学学院, 湖北 武汉 430074
3 中国地质大学(武汉) 教育部长江三峡库区地质灾害研究中心, 湖北 武汉 430074
4 北京大学 工学院, 北京 100871
对地观测系统可以快速检测大面积区域, 为世界各沿海国家的船只监测任务带来了极大便利。针对遥感影像中的船只自动化检测问题, 利用船只相对于海面呈现明显的视觉显著特性, 提出了一种基于船只与海面反差特性的船只检测方法, 将对船只的检测定位转变为对场景中显著目标的发现与分割问题。方法以视网膜到初级视觉皮层V1这一视觉通路的生理过程为指导, 模拟了其中视觉信号的产生机制以获得场景的显著图。以光学影像为例进行的实验结果显示, 在没有目标先验知识的前提下, 基于反差特性的方法能有效地将视觉注意力集中于海面船只目标, 取得了较好的检测结果。
船只检测 遥感影像 视觉注意 反差特性 ship detection remote sensing images visual attention contrast 红外与激光工程
2017, 46(2): 0226003