显著区域

摘要： 基于地理核心素养培养的需要,开发标注版景观图,以营造真实客观、生动直观的地理教学情境,满足学生进行地理综合思维建构的图像工具需求。

摘要： 针对序列图像中目标因不显著、被遮挡等情况而出现的虚警或丢失问题,提出一种基于自动选取辅助目标的建筑物目标间接定位方法,提高目标跟踪稳定性.该方法首先自动选取红外图像中形状稳定、灰度显著的区域作为辅助目标.定位建筑物目标后,提取其与目标相对位置关系,之后利用该相对位置间接定位,最后融合直接识别及间接定位结果定位目标,并能实时更新辅助目标,保证其时刻处于视场中.实验结果表明:通过间接定位能解决目标虚警或丢失问题,提升目标定位过程中算法的准确性及鲁棒性.

摘要： 目的 针对花卉图像标注样本缺乏、标注成本高、传统基于深度学习的细粒度图像分类方法 无法较好地定位花卉目标区域等问题,提出一种基于选择性深度卷积特征融合的无监督花卉图像分类方法 .方法 构建基于选择性深度卷积特征融合的花卉图像分类网络.首先运用保持长宽比的尺寸归一化方法对花卉图像进行预处理,使得图像的尺寸相同,且目标不变形、不丢失图像细节信息;之后运用由ImageNet预训练好的深度卷积神经网络VGG-16模型对预处理的花卉图像进行特征学习,根据特征图的响应值分布选取有效的深度卷积特征,并将多层深度卷积特征进行融合;最后运用softmax分类层进行分类.结果 在Oxford 102 Flowers数据集上做了对比实验,将本文方法与传统的基于深度学习模型的花卉图像分类方法进行对比,本文方法的分类准确率达85.55％,较深度学习模型Xception高27.67％.结论 提出了基于选择性卷积特征融合的花卉图像分类方法,该方法 采用无监督的方式定位花卉图像中的显著区域,去除了背景和噪声部分对花卉目标的干扰,提高了花卉图像分类的准确率,适用于处理缺乏带标注的样本时的花卉图像分类问题.

摘要： 如今视觉显著性目标检测在很多方面起着较高的应用价值,上至国家安全系统、智能武装系统、航天系统,下至生活中的监控系统、智能机器人、医疗设备。它往往作为传统目标检测、目标跟踪,图像分割,图像压缩、检索等模块的预处理模块,将图片或帧图像区分成两部分即显著区域和不显著区域,使得在后续处理中可以对不同区域采用不同且适宜的算法,从而更好地利用计算机资源,提高信息处理的效率,节约运行时间。

摘要： 针对目前多目标服装图像存在复杂的背景以及遮挡,导致分割准确率较低的问题,提出一种多目标服装图像的协同分割方法.首先结合辅助数据集提取输入的多目标服装图像的显著区域特征,并对多目标服装图像进行初步分割.然后,对初步分割结果、包含同类对象的小型图像集构建可能区域图结构,并进行协同分割,得到候选多区域服装特征;最后,通过多区域服装特征之间的相似度计算以及共同对象分割,输出图像分割结果.实验结果表明,该方法具有较高的效率和准确率,能有效分割出多目标服装图像.

摘要： 网络技术和社交网站的发展带来了社群图像的飞速增长.海量的社群图像成为了非常重要的图像类型.本文关注社群图像的显著区域检测问题,提出基于深度特征的显著区域检测方法.针对社群图像带有标签的特点,在系统框架中,本文采取两条提取线:基于CNN特征的显著性计算和基于标签的语义计算,二者的结果进行融合.最后,通过全连接的条件随机场模型对融合的显著图进行空间一致性优化.此外,为了验证面向社群图像的显著区域检测方法的性能,针对目前没有面向社群图像的带有标签信息的显著性数据集,基于NUS-WIDE数据集,本文构建了一个图像结构丰富的社群图像数据集.大量的实验证明了所提方法的有效性.%The development of network technology and social website has brought about the rapid growth of social im-ages. Massive social images have become a very important image type. This paper focuses on the detection problem of salient region for social images, a method for detecting salient region and based on depth features was proposed. By con-sidering the feature that the social image is attached with tag, in the framework of the system, the paper used two extrac-tion lines: the saliency computing based on CNN features and the semantic computing based on tag, the results of both parts were fused. Finally, saliency maps were optimized by a fully connected conditional random field model for the spatial consistency. In addition, for verifying the performances of the saliency region detection method orienting social image, in view of the lack of saliency dataset with tags for social images, on basis of NUS-WIDE dataset, the paper con-structed a social image dataset with rich image structures. Extensive experiments demonstrated the effectiveness of the proposed method.

摘要： 鉴于Itti视觉注意机制计算模型对显著性区域检测方面的不足,提出一种改进型的基于边缘检测的视觉注意计算模型.该模型在Itti模型基础上,引入边缘信息,能够改善视觉注意计算模型中的显著区域提取效果,且可以更加准确地分割显性区域.实验表明,该方式较传统视觉模型在计算速度上有所提高,且目标物轮廓识别效果更好.

摘要： To evaluate accurately the video quality and make it consistent with the subjective evaluation result,a video quality assessment method based on saliency region and motion characteristics weighting is proposed in this paper.This method is based on traditional structural similarity index measurement (SSIM) and makes some improvement.The spatial and temporal saliency is firstly extracted by spectrum analysis and visual attention model combined with motion characteristics,respectively.Then the frame saliency can be extracted by dynamic fusion of temporal and spatial saliency.Finally,the quality assessment index for entire video frame can be got by frame saliency weighted SSIM.The results of experiment on LIVE VQA standard data set show that this index is more close to objective assessment on video quality from human visual system.%进行客观视频质量评价时,为了与主观评价结果尽可能一致,需要考虑视频的动态特性和人眼观看的视觉特性,因此本文提出一种基于显著区域和运动特性加权的视频质量评价方法.该评价指标基于传统的结构相似性指数(Structural similarity index measurement,SSIM)方法并在此基础上作了改进.首先通过频谱分析得到空域显著度,通过视觉注意模型并结合运动特性获取时域显著度,并根据时、空显著度动态融合得到帧级显著度.以帧级显著度加权SSIM指数,便可得到整个视频帧的质量评价指标.在LIVE VQA标准数据集上的实验结果表明,该评价指标更加接近于人眼对视频质量的主观评价值.

摘要： 针对目前表达图像信息的草图自动提取比较困难的问题，提出一种改进的根据广度优先方法搜索连通区域，进行草图提取的方法。首先对给定图像进行预处理得到图像显著区域，然后采用画线算法对显著区域进行草图初步提取，最后采用广度优先搜索提取连通区域的方法得到改善的草图。实验结果表明：该算法所提取的草图能有效保存图像的显著线，并能够准确表达图像所含的主要内容，为基于草图的图像研究提供了较好的技术支持。

摘要： 在基于内容的图像检索技术中,利用图像的单个特征进行检索未能取得很好的效果,目前主要通过图像的两个或者多个特征的组合进行图像检索,然而还缺乏较完善的数学模型来提取图像的形状特征.在目标存在变形和大小存在巨大差异时融合形状特征的图像检索性能尚不令人满意.针对这个问题,本文提出了二维形状表示法来描述图像中显著区域的形状特征,然后融合图像纹理特征来对图像进行检索.实验结果表明,该方法能够提高图像检索的准确率.

摘要： 本文针对SURF算法用于遥感图像配准时因提取特征点较多而导致的存储空间大和计算效率不高的问题,提出基于视觉注意机制的图像配准方法.首先,分别在基准图与待配准图上利用Itti模型生成显著图并提取显著区域;然后,对显著区域采用SURF算法提取特征点并进行匹配;最后,在显著区域配准的基础上实现遥感图像的精确配准.实验结果表明了此方法的可行性和有效性.

摘要： 图像拷贝检测是数字图像检索和版权保护领域中的一个研究热点.近几年，基于Bottom-Up视觉注意模型的显著区域特征提取在图像检索中得到了广泛的研究.本文对经典的Stentiford视觉注意模型进行了改进，利用基于HSV颜色空间的颜色相似性度量进行匹配比较，采用线性累积递增的方式进行显著度计算.仿真实验表明改进后的视觉注意模型所生成的视觉注意图中的显著区域更加符合人眼视觉特性.同时，本文利用改进后的注意模型对各种拷贝处理后的图像进行显著区域提取，其提取的显著区域具有较好的稳定性.这些都表明此改进后的视觉注意模型可以为图像拷贝检测提供有价值的参考特征.

摘要： 本发明公开了一种基于区域显著性的显著对象提取方法，该方法是首先，通过计算输入图像的多分辨率对比度特征，建立一个尺度不变的显著性图像，用非参数核密度估计方法把输入图像分割成不同的区域；然后，计算每个区域组合与其补集的区域显著性的比值；最后，通过取这个比值的最大值而提取出显著对象，其具体步骤如下：(1)、输入图像，建立尺度不变的显著性图像；(2)、输入图像，实现图像分割；(3)、显著对象提取。该方法结合区域显著性，不仅能准确的提取出单个显著对象，而且能准确的提取出多个显著对象，使提取的显著对象满足人眼视觉要求，而且能提高分割的准确性。

摘要： 本发明提供了基于区域融合的显著性人体区域检测方法，以超像素区域单元为节点，根据融合准则Ψ依次执行邻接融合与全局融合，依次构建出邻接融合图及全局融合图结合超像素区域单元间的颜色对比度、空间距离权重及背景概率权重分别在初始融合图邻接融合图及全局融合图上计算超像素区域单元的显著值；通过元胞自动机的置信遗传机制对三幅初始显著图进行更新并累加求和运算，获得集成显著图S。在发明中，基于初始融合图、邻接融合图及全局融合图，有利于展现输入图像中的层次信息；同时，依据背景概率值设定置信度矩阵，有利于元胞自动机的优化性能，并最终获得包含显著性人体区域的集成显著图S。

摘要： 本发明公开了一种基于区域显著性的显著对象提取方法，该方法是首先，通过计算输入图像的多分辨率对比度特征，建立一个尺度不变的显著性图像，用非参数核密度估计方法把输入图像分割成不同的区域；然后，计算每个区域组合与其补集的区域显著性的比值；最后，通过取这个比值的最大值而提取出显著对象，其具体步骤如下：(1)输入图像，建立尺度不变的显著性图像；(2)输入图像，实现图像分割；(3)显著对象提取。该方法结合区域显著性，不仅能准确的提取出单个显著对象，而且能准确的提取出多个显著对象，使提取的显著对象满足人眼视觉要求，而且能提高分割的准确性。

摘要： 本发明提供了基于区域融合的显著性人体区域检测方法，以超像素区域单元为节点，根据融合准则Ψ依次执行邻接融合与全局融合，依次构建出邻接融合图及全局融合图结合超像素区域单元间的颜色对比度、空间距离权重及背景概率权重分别在初始融合图邻接融合图及全局融合图上计算超像素区域单元的显著值；通过元胞自动机的置信遗传机制对三幅初始显著图进行更新并累加求和运算，获得集成显著图S。在发明中，基于初始融合图、邻接融合图及全局融合图，有利于展现输入图像中的层次信息；同时，依据背景概率值设定置信度矩阵，有利于元胞自动机的优化性能，并最终获得包含显著性人体区域的集成显著图S。

摘要： 本发明涉及一种验证多媒体文件中显著区域的方法。根据本发明，所述方法包括以下步骤：基于从所述文件中提取的先验数据，确定(E1)所述文件中被认为是关键区域的区域；基于显著图的编辑，把模型应用(E2)到所述文件，以获得所述文件的显著图；在所述文件中被认为关键的区域与所述显著图之间进行比较(E3)。

摘要： 基于显著区域差异和显著密度实现显著物体自动检测的方法，它涉及实现显著物体自动检测的方法。它为解决目前基于窗口定位检测显著物体的方法所存在的包含过多的背景像素，不能精确提取出显著物体的问题。一、计算显著图S(x，y)的空间权重显著图S′(x，y)：二、寻找窗口内部区域显著度和窗口外部区域显著度差异最大化；三、计算得到显著密度值最大的窗口；四、将窗口W

摘要： 本发明涉及一种基于多尺度区域融合的显著区域检测方法，其技术特征在于：首先计算图像的最佳颜色梯度与归一化梯度；然后用梯度索引遍历图像，把满足融合门限的像素对合并，得到第一个尺度的标签图像；再计算该标签图像的边缘梯度图；接着在各个尺度下迭代计算出多尺度标签图；然后利用互信息求出多尺度候选显著图；最后利用空间几何信息熵找出最优尺度，则该尺度下的候选显著图就是最终显著图。该方法概念简单，无需对图像数据提前训练，可以很容易地进行参数修改，处理速度快，极大的提高了显著区域检测的准确性和效率。本发明可以被广泛应用到计算机视觉与其他相关的图像处理问题中。

摘要： 本发明涉及一种验证多媒体文件中显著区域的方法。根据本发明，所述方法包括以下步骤：基于从所述文件中提取的先验数据，确定(E1)所述文件中被认为是关键区域的区域；基于显著图的编辑，把模型应用(E2)到所述文件，以获得所述文件的显著图；在所述文件中被认为关键的区域与所述显著图之间进行比较(E3)。

摘要： 基于显著区域差异和显著密度实现显著物体自动检测的方法，它涉及实现显著物体自动检测的方法。它为解决目前基于窗口定位检测显著物体的方法所存在的包含过多的背景像素，不能精确提取出显著物体的问题。一、计算显著图S(x，y)的空间权重显著图S′(x，y)：二、寻找窗口内部区域显著度和窗口外部区域显著度差异最大化；三、计算得到显著密度值最大的窗口；四、将窗口W

摘要： 一种基于视觉显著性的文物显著区域提取方法，属于民族文化保护方法领域。这种基于视觉显著性的文物显著区域提取方法，针对文物图像背景复杂、前景背景差异较小等问题，在用户上传文物图像后可自动提取其显著正方形区域，用于首页或索引页的展示图象，解决了当前国内数字博物馆中文物图片展示不准确不清晰等问题，有利于对民族文化保护与传承。该提取方法通过两种图像处理方式配合可以直接对图像块进行分析和处理，这样能够很大程度的减少运算过程中的计算复杂度以及时间复杂度。同时，在边界信息不丰富的区域可以保持形状特性，在边界丰富的区域能较为准确地表达边界信息。