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。

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。

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%。

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.

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。

针对传统滑动窗目标检测方法需要在全图像范围内穷举搜索的缺点, 提出了一种基于视觉注意机制的粒子窗检测方法, 旨在保持较高检测精度的同时减少计算量。该方法将目标显著性作为先验知识引入搜索过程, 采用“图像签名”方法生成显著图, 然后通过阈值门限提取出包含有目标真实位置的局部区域。利用蒙特卡洛采样在显著目标对应的图像范围内均匀生成粒子窗, 并依据分类器的响应对粒子进行重采样, 以凸显真实目标区域、避免滑动窗方法对搜索步长的依赖。建立了Adaboost+类Harr特征(HLF)和支持向量机(SVM)+方向梯度直方图(HOG)的多级分类器结构, 前级分类器用于大范围目标的快速筛选, 后级分类器用于小范围目标的精确定位。将本文目标检测模型与传统滑动窗法和粒子窗法进行了比较, 结果表明本文方法的受试者工作特征曲线(ＲＯＣ)包含的面积更大, 耗时仅为滑动窗法的1/3到1/4, 粒子窗法的1/2, 在保持较高检测精度的条件下显著提升了检测速度, 实现了快速准确的目标检测。

提出了一种基于感兴趣区域 ROI（Regions of Interest）的红外舰船目标定位方法，通过改进的 Itti模型提取包含目标的感兴趣区域，实现目标定位。首先应用小波变换代替 Itti模型的高斯滤波生成图像多尺度金字塔，并用 center-surround算子提取多尺度的视觉差异，再将生成的视觉特征图进行归一化并线性组合，生成显著图，最后运用交替式有效子窗口搜索算法 A-ESS（Alternating Efficient Subwindow Search）定位目标区域。实验结果表明：该方法能准确定位出目标区域。

近岸红外目标检测由于背景复杂和实时性的要求,是当前研究的一个难点。基于上下文的视觉注意机制是解决这一难题的有效途径。首先根据近岸红外目标存在于海面这一先验知识,利用灰度、纹理特征及位置关系,分割出海面;其次利用基于相位谱的视觉注意机制定位显著区域;最后综合海面和显著区域位置,便可检测出近岸红外目标。实验证明,这种算法高效、准确,能够满足目标检测阶段的实时性要求。

提出了一种基于视觉显著图的红外舰船目标定位方法，即通过改进的Itti模型 生成视觉显著图，并基于视觉显著图分割出目标区域，从而实现目标检测。先用小波变换替代Itti 模型中的高斯滤波来生成图像多尺度金字塔，然后用center-surround算子提取出多尺度的视觉差异特征，并 对生成的视觉特征图进行合成，生成显著图。最后，利用阈值分割方法分割出目标区域，并对原始图像进 行标记，从而实现目标检测。实验结果表明，与传统的Otsu阈值分割方法相比，该方法能够准确检测出目标 区域。