自然图像

摘要： 提出了一种全变分流边与M2GGD概率密度分布相结合的自然图像分割方法.由于自然图像经常受噪声的污染,导致分割的区域结果视觉效果差,而区域间的边界具有较好的非同质区域区分能力,于是提出了利用全变分流来提取边界,并结合M2GGD概率密度分布构建具有空间约束能力更强的图像分割方法.由于其能量最小化是NP难问题,通过设计最大期望最大似迭代优化方法,将待优化模型的区域项和边缘项,分别转化为多层图割模型的t-link以及n-link,并利用最大流/最小割算法,可求得全局近似最优解.最终,通过在合成的噪声污染图像以及自然场景图像上进行实验对比与分析,实验验证了提出的方法具有较好的抗噪能力,较高的量化准确率,且最终分割的结果接近于地面真实分割结果.

摘要： 计算机生成(CG)图像鉴别方法研究进展中国科学院自动化研究所视频内容安全团队构建了一个包含14万张图片的大规模计算机生成图像数据集(Large-Scale CG images Benchmark,NLPR-LSCGB),并提出一种鲁棒的基于纹理感知的CG图像鉴别方法(Robust Texture-aware Computergenerated Image Forensic)。相关成果发表于IEEE Transactions on Image Processing(TIP)。相比于现有数据集数据量小、内容单一的问题,NLPR-LSCGB图像数据集具有较大优势。通过大量实验发现,自然图像和计算机生成图像区别存在于图像的纹理细节中。新方法在已有的数据库及NLPR-LSCGB大规模数据集中性能都超过了现有的方法,充分证明了算法的有效性。

摘要： 为了探究大鼠对自然图像的认知效果以及在自然图像认知过程中上丘(superior colliculus,SC)神经元的恐惧信息编码机制,采用条件性恐惧联结训练方法,设计了基于三种不同情感属性自然图像的实验方案(恐惧:"蛇"、中性:"树"、奖励:"鼠粮"),对大鼠进行了视觉认知训练.首先,从行为学分析了大鼠对具有不同情感意义自然图像的认知效果;其次,采用第一动作电位延时(first spike latency,FSL)以及Spike(峰电位)平均发放率两种编码方法,研究了大鼠上丘神经元在自然图像认知学习过程中的恐惧信息编码机制.结果表明,大鼠对奖励、恐惧、中性三种图像的抉择正确率分别在第6、22、26 d达到了75％基准线.训练后,在恐惧图像的刺激作用下,大鼠上丘神经元集群的平均FSL值显著低于训练前,且神经元集群的Spike发放率显著提高.这些结果揭示了恐惧信息能够激活大鼠上丘脑区,并通过SC脑区实现恐惧信息快速传递与表征.

摘要： A new method for text detection in natural images based on semantic segmentation method was proposed to solve the shortcomings of the existing text detection and location methods. Firstly, the limitations of existing detection methods and current semantic segmentation methods in text line detection were analyzed; then the full convolution network (FCN) model added with rectangular convolution kernel was trained to obtain the classification map of the text line area; finally, by the precision segmentation of the full-connection conditional random field (CRF), the characters in the text line area of network front-end output were distinguished. The framework can be used to process the texts in any direction, language, and font. The proposed method achieved surprising segmentation results in both MSRA-TD500 and ICDAR2015 text detection datasets and achieved advanced performance.%针对现有文本检测与定位方法只能处理单一方向文本行的缺点,提出了一种基于语义分割方法的用于自然图像中文本检测的新方法.首先通过对现有检测方法以及目前语义分割方法在文本行检测中的局限性分析.然后对加入矩形卷积核的全卷积网络模型进行训练,获得文本行区域的分类图.最后,通过全连接条件随机场(conditional random field,CRF)的高精度分割能力将网络前端输出的文本行区域中的文字给区分出来.该框架用于处理任意方向、语言和字体中的文本.所提出的方法在MSRA-TD500和ICDAR2015两个文本检测数据集上获得良好的分割结果且性能优越.

摘要： 自然场景中的目标轮廓提取是计算机视觉中的一个重要研究问题.其难点在于场景中大量的纹理边缘严重地干扰了轮廓提取的完整性.近年来,一些研究工作将生物视觉特征引入图像边缘轮廓提取,取得了一定的效果.其中通过引入视觉外区抑制特征可以在提取物体轮廓边缘的同时抑制一定量的纹理边缘,从而得到轮廓边缘集合.然而在整合轮廓边缘时,传统模型仅仅采用求交并集的简单合并方法,使得强响应的细小纹理残留.基于此,提出了一种改进的基于生物视觉特征的自然场景目标轮廓提取算法.首先采用多水平抑制方法得到候选轮廓边缘集合.接着将一种基于生物视觉特征的边缘组合方法用于将候选边缘整合成为一个完整的目标轮廓.与传统的外区抑制算法相比,基于视觉特征的轮廓提取算法提高了自然场景中目标轮廓提取的准确性和完整性.

摘要： 针对卷积神经网络在自然图像识别上的局限性,提出一种适用于自然图像识别的卷积神经网络算法,使其在自然图像识别的准确率和速度上取得更好的效果.首先利用MAPREDUCE实现算法的并行化,并利用GPU技术对该算法进行加速;再次利用多区域的逻辑回归计算方法提高图像识别的准确率.在实验环境下验证了改进算法的正确性和有效性.

摘要： 学术界最近推出了两篇计算机视觉领域中有关图像合成的突破性论文,能够创造非常自然的图像,并且合成无比真实甚至同时保持面部信息的人脸图像。其中一篇论文题为《CVAE-GAN：一种通过非对称训练的细粒度图像生成模型》,是微软和中国科学技术大学的研究团队在威尼斯举办的ICCV 2017上展示的一种方法,这是一种基于变分自动编码器生成对抗网络的图像生成模型，能够在特定细粒度类别中合成自然图像。特定细粒度的类别包括特定的人脸，如名人；或者真实世界的物体，如特定类型的花或者鸟。

摘要： 提出了一种面向自然图像的自适应主色提取算法.对于一幅用户给定的自然图像,算法首先为了避免RGB空间处理时易造成颜色失真的缺陷,将图像的颜色空间转换到Lab空间;然后对图像进行尺寸压缩、图像增强和去噪等预处理以消除图像中的干扰信息且较好地保留细节信息;最后通过将Silhouette轮廓系数与传统K均值聚类算法有机地结合在一起,自适应地提取出自然图像中的最优主色集.对大量拍摄于各种自然环境下的图像进行测试,实验结果表明算法可有效地将自然图像中的主色自动提取出来,且较准确地代表了原图像中的颜色特征.

摘要： 本文从残差角度分析两类图像间的纹理差异,提出了一种基于回归分析的自然图像和计算机生成图像来源鉴别算法.算法首先采用多元线性回归分析法提取残差图像,并对回归模型拟合度进行分析;然后分析两类残差图像间的差异,提取9维残差直方图特征及9维残差多重分形谱特征.结合6维回归模型拟合度特征,采用LIBSVM对自然图像和计算机生成图像进行分类,算法平均鉴别率高达98.69％,能有效鉴别自然图像和计算机生成图像.且实验和分析表明算法能有效抵抗JPEG压缩、旋转、加噪及缩小图像尺寸攻击.

摘要： 现有的颜色恒常性算法主要分为无监督算法与有监督算法两类.前者计算复杂度较低,但其假设过于简单,致使颜色估计的精度不够理想;后者虽然精度有所提升,但计算复杂度较高,无法进行实时处理.本文针对在目标识别、图像检索、人脸识别等应用领域中广泛采用的自然图像,通过研究户内、户外光源颜色概率分布的差异,采用贝叶斯框架,提出了一种改进的基于相关性的颜色恒常性算法,并通过定量分析的实验与现有算法进行了比较.实验结果表明,改进后的算法能够大幅度降低光照估计的角度误差,并在满足实时处理的条件下提升估计精度.

摘要： 在自然图像中，人造目标与自然背景通常产生空间频率上的突变。这种突变会引起人类视觉系统的反应，即该突变区域为人眼感兴趣区域。本文首先采用综合特征一致性模型检测出图像中的感兴趣区域，然后利用腐蚀和区域标记的方法进行后处理。实验结果表明：该方法能够有效滤除自然背景，检测出人造目标，符合人类视觉机制。

摘要： 本文旨在讨论十六世纪画家阿尔钦博多(Giuseppe Arcimboldo,1527-1593)献给神圣罗马皇帝的「四季」系列(The Four seasons,1563)、「四元素」系列(The Four Elements,1566)以及《佛坦努斯》(Vertumnus,c.1590)等肖像画中,自然图像之时代意义.此九幅肖像画以众多精致的自然图像复合成人像,是文艺覆与写实技巧的高度发展,也是矫饰风格的展现,同时也表现出当代赞助者与艺术家对自然物观察的爱好.此外,人物与自然物双重意象的转换,也表现当代有机式宇宙观.笔者以图像学方法,讨论阿尔钦博多肖像画中自然物描绘、政治背景及时代精神的交互作用.

摘要： 高斯尺度模型(GSM)是一个描述图像经过小波分解之后邻域系数统计特征的模型，它最早由Andrews和Mallows提出，2000年，Wainwright和Simoncelli提出采用它来描述自然图像统计特征。该模型同时考虑了自然图像小波系数的稀疏性、传播性、聚集性和方向性，是目前为止最好的描述图像系数特征的模型。本文通过极小化理论模型与实际分布的KL距离在调整z的取值。总的看来，去噪效果显著提高应该跟随在图像和噪声模型的大幅改进之后的，如果有新的图像和噪声模型能提取更多信号和噪声的不同特征，相信会有更好的结果。

摘要： 本文对宽带自然运动图像的速度估计进行了研究。文章认为，多频谱的自然宽带图像具有一定的统计规律,它合有多个空间频率成分,因此它能产生宽带检测器输入信号。文章将输入图形扩展为宽带自然图像,通过仿真证明了运动检测器对宽带图像的响应并不需要事先知道运动图像的空间频率,即可估计出运动图像的速度.

摘要： 抠图是图像视频领域的关键技术之一,总体可分为采样方法和传播方法,各有优缺点.近年来,尽管采样传播方法得到广泛探索,但是样本有效性与图像的传播能力一直是采样传播型算法的关键所在.本文提出一种自适应采样传播抠图方法.首先使用采样方法对未知点进行抠图计算,并提出一种新的样本有效性综合判定方法,即从样本的重叠度、不透明度的合理性、与未知点之间的相似度三个方面,对采样抠图结果进行判定.符合判定要求的采样抠图结果将作为第一类初始数据输入传播抠图.对于未能通过判定的未知区域,提出一种基于KNN分类器标记算法进行处理,处理结果作为第二类初始数据输入传播抠图.该标记算法针对传播方法在复杂区域其传播性受限,通过对未知区域增加约束信息,来引导和提升该区域的传播性,从而提高后续传播抠图算法的抠图质量.最后,在上述两类初始数据基础上,发挥传播抠图对样本空间位置不敏感的特性,做最后处理并得到最终抠图结果.特别地,在后阶段的传播抠图处理过程中,针对不同初始矩阵数据来源,设定了不同的权值.第一类数据的权值相对较高,以采样抠图的结果为主,同时引入传播信息来优化结果.第二类数据的权值较低,通过标记增加约束以提升传播性,最终结果由传播抠图方法来完成.文中通过定性观察和定量分析相结合的方式对实验结果作出评价,并通过在线标准评价对实验结果进行评估.结果证明,所提方法在简单结构图像上的效果与其它方法相当,在复杂结构的图像上能够取得更好的效果.

摘要： 抠图是图像视频领域的关键技术之一,总体可分为采样方法和传播方法,各有优缺点.近年来,尽管采样传播方法得到广泛探索,但是样本有效性与图像的传播能力一直是采样传播型算法的关键所在.本文提出一种自适应采样传播抠图方法.首先使用采样方法对未知点进行抠图计算,并提出一种新的样本有效性综合判定方法,即从样本的重叠度、不透明度的合理性、与未知点之间的相似度三个方面,对采样抠图结果进行判定.符合判定要求的采样抠图结果将作为第一类初始数据输入传播抠图.对于未能通过判定的未知区域,提出一种基于KNN分类器标记算法进行处理,处理结果作为第二类初始数据输入传播抠图.该标记算法针对传播方法在复杂区域其传播性受限,通过对未知区域增加约束信息,来引导和提升该区域的传播性,从而提高后续传播抠图算法的抠图质量.最后,在上述两类初始数据基础上,发挥传播抠图对样本空间位置不敏感的特性,做最后处理并得到最终抠图结果.特别地,在后阶段的传播抠图处理过程中,针对不同初始矩阵数据来源,设定了不同的权值.第一类数据的权值相对较高,以采样抠图的结果为主,同时引入传播信息来优化结果.第二类数据的权值较低,通过标记增加约束以提升传播性,最终结果由传播抠图方法来完成.文中通过定性观察和定量分析相结合的方式对实验结果作出评价,并通过在线标准评价对实验结果进行评估.结果证明,所提方法在简单结构图像上的效果与其它方法相当,在复杂结构的图像上能够取得更好的效果.

摘要： 抠图是图像视频领域的关键技术之一,总体可分为采样方法和传播方法,各有优缺点.近年来,尽管采样传播方法得到广泛探索,但是样本有效性与图像的传播能力一直是采样传播型算法的关键所在.本文提出一种自适应采样传播抠图方法.首先使用采样方法对未知点进行抠图计算,并提出一种新的样本有效性综合判定方法,即从样本的重叠度、不透明度的合理性、与未知点之间的相似度三个方面,对采样抠图结果进行判定.符合判定要求的采样抠图结果将作为第一类初始数据输入传播抠图.对于未能通过判定的未知区域,提出一种基于KNN分类器标记算法进行处理,处理结果作为第二类初始数据输入传播抠图.该标记算法针对传播方法在复杂区域其传播性受限,通过对未知区域增加约束信息,来引导和提升该区域的传播性,从而提高后续传播抠图算法的抠图质量.最后,在上述两类初始数据基础上,发挥传播抠图对样本空间位置不敏感的特性,做最后处理并得到最终抠图结果.特别地,在后阶段的传播抠图处理过程中,针对不同初始矩阵数据来源,设定了不同的权值.第一类数据的权值相对较高,以采样抠图的结果为主,同时引入传播信息来优化结果.第二类数据的权值较低,通过标记增加约束以提升传播性,最终结果由传播抠图方法来完成.文中通过定性观察和定量分析相结合的方式对实验结果作出评价,并通过在线标准评价对实验结果进行评估.结果证明,所提方法在简单结构图像上的效果与其它方法相当,在复杂结构的图像上能够取得更好的效果.

摘要： 抠图是图像视频领域的关键技术之一,总体可分为采样方法和传播方法,各有优缺点.近年来,尽管采样传播方法得到广泛探索,但是样本有效性与图像的传播能力一直是采样传播型算法的关键所在.本文提出一种自适应采样传播抠图方法.首先使用采样方法对未知点进行抠图计算,并提出一种新的样本有效性综合判定方法,即从样本的重叠度、不透明度的合理性、与未知点之间的相似度三个方面,对采样抠图结果进行判定.符合判定要求的采样抠图结果将作为第一类初始数据输入传播抠图.对于未能通过判定的未知区域,提出一种基于KNN分类器标记算法进行处理,处理结果作为第二类初始数据输入传播抠图.该标记算法针对传播方法在复杂区域其传播性受限,通过对未知区域增加约束信息,来引导和提升该区域的传播性,从而提高后续传播抠图算法的抠图质量.最后,在上述两类初始数据基础上,发挥传播抠图对样本空间位置不敏感的特性,做最后处理并得到最终抠图结果.特别地,在后阶段的传播抠图处理过程中,针对不同初始矩阵数据来源,设定了不同的权值.第一类数据的权值相对较高,以采样抠图的结果为主,同时引入传播信息来优化结果.第二类数据的权值较低,通过标记增加约束以提升传播性,最终结果由传播抠图方法来完成.文中通过定性观察和定量分析相结合的方式对实验结果作出评价,并通过在线标准评价对实验结果进行评估.结果证明,所提方法在简单结构图像上的效果与其它方法相当,在复杂结构的图像上能够取得更好的效果.

摘要： 本发明提供了一种图像与自然语言特征提取及基于关键词的语言指示图像分割方法，在图像特征提取及自然语言特征提取的基础上，对输入图像和输入的自然语言，根据自然语言中所包含的关键词，将关键词对应图像区域i的特征fi、关键词加权后的语句特征qi以及对应基于关键词的视觉上下文特征ci一共三个特征进行级联；级联后的特征输入多层感知机进行分类，获得分割结果。与现有技术相比，图像与自然语言的特征提取，能够便于实现基于关键词的语言指示图像分割方法；本发明的语言指示图像分割方法，减少了对长语句的处理难度，提高了对象定位与识别的准确性，进而提高了语言指示图像分割精度。

摘要： 本发明涉及图像处理技术，尤其是涉及一种融合无参图像质量评价的自然场景图像去模糊方法。本发明在分析图像模糊成因的基础上，建立图像模糊过程的数学模型。根据邻域渐变性，将模型线性化。针对模型逆运算的非定解特性，构建基于线性扩展的自变量映射，以减小问题求解的计算规模。图像去模糊效果引入无参考图像质量评价，对求解得到的图像进行评价，根据自变量与评价质量指标的关系建立递归算法，最终实现图像去模糊。本发明能够在一定程度上克服寻找清晰样本困难和方法适应能力差的缺点，提高现有图像去模糊的质量。

摘要： 本发明公开了一种基于图像信息量自然场景统计特征的图像质量评价方法，主要解决现有技术的对图像进行质量评价时不符合人类视觉主观感知特性的问题。其法包括：1)基于互信息理论将图像分割成不重叠的子块，建立图像亮度分布和图像子块间的联系；2)把图像转换为显著信息量、实际信息量和缠绕信息量；3)分别在三种信息量上进行亮度归一化系数特征，梯度模值特征和高斯‑拉普拉斯信号特征的提取；4)在上述特征的基础上，通过支持向量机的方法构建图量评价模型。实验结果表明，本发明与主观质量评价具有较高一致性，评价性能优于现有部分参考质量评价方法及部分全参考质量评价方法，可用于图像压缩、存储、传输中对图像的处理。

摘要： 本发明公开了一种基于自然语言理解和图像图形的智能图像识别系统，包括傅里叶变化模块、局部特征向量模块，将其与系统录入的特定人物特征对比分析后，若相似度达到预设值后将捕捉高分辨率多角度的该人面部信息，再将高分辨率图像分N块，然后用Gabor核函数与每一块图像卷积，得到N个特征，然后将这些特征串联起来，形成局部Gabor特征向量；LDA线性判别分析模块，使用LDA线性判别分析对得到的一个全局特征向量和N个局部特征向量进行降维处理，得到了全局分类器和局部分量分类器。本发明在比对成功条件下再获取高分辨率图像进而识别，实现精确比对。

摘要： 本发明提供一种针对自然图像和基于DWT压缩篡改图像的图像的取证方法，该方法能够有效区分自然图像和基于DWT压缩的图像，同时对于某种特定的针对压缩图像进行压缩痕迹取消的图像篡改也有很好的可区分行，该方法计算自然图像以及篡改图像的小波变换系数的联合概率直方图，针对该直方图进行归一化，然后进行霍夫变换，提取霍夫变换系数矩阵的均值，方差值，偏态值和峰态值作为支持向量机的特征值，该特征值组成训练集。支持向量机使用该训练集合训练生成分类模型，采用该模型对未知的特征值样本进行分类，判断图像是否经过压缩或者反压缩取证处理。本发明性能稳定，实施简便，具有高效性，准确度高，也适用于其他方面的自然图像和篡改图像取证检测。

摘要： 本发明提出了一种利用自然图像先验知识进行多帧图像超分辨重建的方法。本发明在利用一系列低分辨率图像进行超分辨重建的过程中，引入学习得到的专家场模型作为自然图像先验知识，提高多帧图像超分辨重建的质量。相对于传统的贝叶斯多帧图像超分辨方法所使用的L1范数、全变分等先验知识，本发明使用的自然图像先验知识是通过图像数据库训练得到的专家场模型，能更好地提取自然场景的统计特征，从而获得更好的超分辨重建效果。本发明简化了多帧超分辨的部分过程，缩短了计算时间。

摘要： 本发明公开了一种基于自然图像特征统计的图像模糊检测方法。本发明首先将图像进行归一化，并对归一化后的图像通过简单的直方图统计，通过实验观察，该直方图近似服从广义的高斯分布，然后通过最小二乘拟合的方法得到该函数的两个参数，通过实验研究得出：图像越模糊，图像对应的直方图分布是变化的，这种变换可以根据该函数的两个参数的变化来决定，接着通过对两个参数的处理，得到图像的模糊分数，最后对标准库中大量的图像进行检测得到清晰图像和模糊图像之间的阈值。当图像的检测分数大于该阈值时检测为清晰，否则为模糊。本发明的检测模型计算量小，计算效率高。本发明利用图像的自然图像特征统计的内在规律，因此具有较高的准确率。

摘要： 本发明提供一种针对自然图像和基于DWT压缩篡改图像的图像的取证方法，该方法能够有效区分自然图像和基于DWT压缩的图像，同时对于某种特定的针对压缩图像进行压缩痕迹取消的图像篡改也有很好的可区分行，该方法计算自然图像以及篡改图像的小波变换系数的联合概率直方图，针对该直方图进行归一化，然后进行霍夫变换，提取霍夫变换系数矩阵的均值，方差值，偏态值和峰态值作为支持向量机的特征值，该特征值组成训练集。支持向量机使用该训练集合训练生成分类模型，采用该模型对未知的特征值样本进行分类，判断图像是否经过压缩或者反压缩取证处理。本发明性能稳定，实施简便，具有高效性，准确度高，也适用于其他方面的自然图像和篡改图像取证检测。

摘要： 本发明公开了基于手绘草图和图像样例约束的自然图像生成方法及装置，方法包括：首先获取原始自然图像和类别信息，构建训练数据集；接着构建自然图像生成模型，所述自然图像生成模型包括生成器和多任务判别器，所述生成器用于在训练过程中生成自然图像，所述多任务判别器用于在训练过程中判断生成的自然图像是否真实，并判断生成的自然图像的所属类别；然后通过所述训练数据集对所述自然图像生成模型进行训练，调整所述自然图像生成模型的参数，得到训练好的目标模型；最后将目标图像样例和目标手绘草图输入所述目标模型，生成基于所述目标手绘草图和图像样例约束的自然图像。本发明提高了便捷性以及可控性，可广泛应用于图像处理技术领域。

摘要： 本发明公开了一种自然图像的对空目标红外图像生成式对抗网络构建方法，包括S1.基于领域自适应迁移的思想，构建自动生成RGB图像到红外图像的生成对抗网络模型；S2.训练生成对抗网络模型，并采用生成对抗网络模型，在原有交通红外图像数据库和少量对空目标红外图像数据集的基础上，生成并扩充对空红外目标数据集；S3.基于对空红外目标数据集，从结构相似性、对空视频分辨率、检测速度和正确识别率几个指标评估生成对抗网络模型性能。本发明一种自然图像的对空目标红外图像生成式对抗网络技术具有效率高，创新性高，实用性强的优点。