計算機科學技術

基于Fast R-CNN的車輛目標檢測

曹詩雨，劉躍虎，李辛昭

摘要：目的：在傳統(tǒng)車輛目標檢測問題中，需要針對不同圖像場景選擇適合的特征。為此提出一種基于快速區(qū)域卷積神經(jīng)網(wǎng)絡（Fast R-CNN）的場景圖像車輛目標發(fā)現(xiàn)方法，避免傳統(tǒng)車輛目標檢測問題中需要設計手工特征的問題。方法：該方法基于深度學習卷積神經(jīng)網(wǎng)絡思想。首先使用待檢測車輛圖像定義視覺任務。利用選擇性搜索算法獲得樣本圖像的候選區(qū)域，將候選區(qū)域坐標與視覺任務示例圖像一起輸入網(wǎng)絡學習。示例圖像經(jīng)過深度卷積神經(jīng)網(wǎng)絡中的卷積層，池化層計算，最終得到深度卷積特征。在輸入時沒有規(guī)定示例圖像的規(guī)格，此時得到的卷積特征規(guī)格不定。然后，基于Fast R-CNN網(wǎng)絡結構，通過感興趣區(qū)域池化層規(guī)格化特征，最后將特征輸入不同的全連接分支，并行回歸計算特征分類，以及檢測框坐標值。經(jīng)過多次迭代訓練，最后得到與指定視覺任務強相關的目標檢測模型，具有訓練好的權重參數(shù)。在新的場景圖像中，可以通過該目標檢測模型檢測給定類型的車輛目標。結果：首先確定視覺任務包含公交車，小汽車兩類，背景場景是城市道路。利用與視覺任務強相關的測試樣本集對目標檢測模型進行測試，實驗表明，當測試樣本場景與視覺任務相關度越高，且樣本中車輛目標的形變越小，得到的車輛目標檢測模型對車輛目標檢測具有良好的檢測效果。結論：本文提出的車輛目標檢測方法，利用卷積神經(jīng)網(wǎng)絡提取卷積特征代替?zhèn)鹘y(tǒng)手工特征提取過程，通過Fast R-CNN對由示例圖像組成定義的視覺任務訓練得到了效果良好的車輛目標檢測模型。該模型可以對與視覺任務強相關新場景圖像進行效果良好的車輛目標檢測。本文結合深度學習卷積神經(jīng)網(wǎng)絡思想，利用卷積特征替代傳統(tǒng)手工特征，避免了傳統(tǒng)檢測問題中特征選擇問題。深層卷積特征具有更好的表達能力?；贔ast R-CNN網(wǎng)絡，最終通過多次迭代訓練得到車輛檢測模型。該檢測模型對本文規(guī)定的視覺任務有良好的檢測效果。本文為解決車輛目標檢測問題提供了更加泛化和簡潔的解決思路。

來源出版物：中國圖象圖形學報, 2017, 22(5): 671-677入選年份：2017

結合最佳縫合線和多分辨率融合的圖像拼接

谷雨，周陽，任剛，等

摘要：目的：針對圖像拼接過程中，縫合線通過運動物體或配準不準確區(qū)域等情況導致融合圖像出現(xiàn)鬼影、重影的問題，提出了一種基于差異圖像加權的改進最佳縫合線算法，采用基于多分辨率和加權平均的分區(qū)圖像融合算法解決了拼接線問題。方法：首先將兩幅圖像的重疊區(qū)域劃分為縫合線區(qū)域和過渡區(qū)域；在縫合線區(qū)域內，使用差異圖像加權的最佳縫合線搜索準則構建準則值圖像，基于動態(tài)規(guī)劃思想來搜索得到最佳縫合線；基于縫合線生成掩碼圖像，并對重疊區(qū)域圖像進行擴展，采用多分辨率融合算法實現(xiàn)了非嚴格重疊區(qū)域的融合；在過渡區(qū)域采用加權平均算法來消除拼接線。結果：采用含有大量運動物體的圖像序列對算法進行測試，實驗結果表明，基于差分圖像加權的最佳縫合線有效避開了大部分運動物體，當縫合線難以繞開運動物體時，能夠盡量少地穿過運動物體；通過多分辨率和加權平均融合算法消除了拼縫等問題。結論：提出的最佳縫合線算法能夠有效地避免縫合線通過運動物體、配準不準確的區(qū)域，將多分辨率圖像融合算法應用于非嚴格重疊圖像融合，能夠合成高質量的全景圖像。

來源出版物：中國圖象圖形學報, 2017, 22(6): 842-851

入選年份：2017

小波與雙邊濾波的醫(yī)學超聲圖像去噪

張聚，王陳，程蕓

摘要：目的：斑點噪聲是由于超聲成像中的基本分辨單元內存在大量的隨機散射現(xiàn)象，在圖像上表現(xiàn)為空間域內相關的形狀各異的小斑點，它掩蓋了那些灰度差別很小的圖像特征。醫(yī)學超聲圖像中的斑點噪聲降低了圖像質量并且限制了超聲圖像自動化診斷技術的發(fā)展。小波變換具有時頻分析和多尺度分析等優(yōu)越性，在處理加性噪聲問題時，小波的去噪效果較好，并且其算法效率較高。然而，僅僅利用小波變換的去噪算法對醫(yī)學超聲圖像中斑點噪聲的抑制效果不好。對于雙邊濾波器，它在處理圖像噪聲時，一方面具有很強的去噪能力，另一方面能夠保持圖像邊緣細節(jié)。本文將結合小波去噪和雙邊濾波的優(yōu)點，針對斑點噪聲問題，提出了一種新型的基于小波和雙邊濾波的去噪算法。方法：首先，根據(jù)超聲成像原理，超聲成像系統(tǒng)采集到的超聲包絡信號被建模為信號與噪聲的相乘模型，其中相乘噪聲即是斑點噪聲。經(jīng)對數(shù)變換，超聲包絡信號由相乘模型變換成相加的模型。根據(jù)醫(yī)學超聲圖像在小波域內的統(tǒng)計特性，在通用小波閾值函數(shù)的基礎之上，改進了小波閾值函數(shù)。其次，將無噪信號的小波系數(shù)和斑點噪聲的小波系數(shù)分別建模為廣義拉普拉斯分布模型和高斯分布模型，利用貝葉斯最大后驗估計方法得到了新型的小波收縮算法，利用小波閾值法對小波域內的高頻信號分量進行去噪。最后，對小波域內的低頻信號分量進行雙邊濾波處理，然后利用小波逆變換便得到去噪后的圖像。結果：在仿真實驗中，通過與其他7種去噪算法（Lee、Frost、雙邊濾波、SRBF、小波軟閾值、DPAD和Andria）作對比，觀察峰值信噪比（PSNR）等圖像質量評價指標，結果表明本文算法的去噪效果優(yōu)于其他相關算法。臨床超聲圖像的實驗結果進一步驗證了本文算法的去噪性能。結論：本文提出了一種新型的去噪算法，實驗表明本文算法能夠很好地抑制斑點噪聲，并且能保留圖像病灶邊緣等細節(jié)。

來源出版物：中國圖象圖形學報, 2014, 28(7): 126-132

入選年份：2017

基于雙邊濾波的圖像去霧

王一帆，尹傳歷，黃義明，等

摘要：目的：霧、霾等天氣狀況下獲取圖像，往往會受到大氣中微小粒子散射作用的影響，導致圖像嚴重降質，對比度下降，顏色失真，對圖像信息的獲取造成很大困難。針對這一問題，本文提出了一種基于雙邊濾波的單幅圖像去霧算法。方法：此算法是以大氣散射模型為基礎的雙邊濾波去霧算法。首先，本文求取圖像的最小顏色分量，并利用雙邊濾波濾除最小顏色分量的紋理細節(jié)，同時保留其景深突變的邊緣特性，將濾波后的結果作為大氣耗散函數(shù)的初始估計。其次，利用雙邊濾波計算圖像的局部對比度，并基于暗通道先驗理論估算圖像的大氣光強，結合像素與大氣光強的相對亮度值對大氣耗散函數(shù)的初始估計進一步約束，從而得到更準確的大氣耗散函數(shù)。最后，標識出圖像的明亮區(qū)域，求取弱化因子對圖像進行局部明亮區(qū)域的弱化，基于大氣散射模型，得到最終清晰無霧的圖像。結果：雙邊濾波能夠在平滑圖像的同時很好地保持圖像的邊緣細節(jié)，本算法利用這一良好特性有效地抑制了偽光暈。大量實驗表明，本算法恢復的圖像清晰自然，尤其對于遠景處和景深突變的邊緣區(qū)域能獲得很好的去霧效果。針對存在明亮區(qū)域的部分圖像，本文提出的弱化局部區(qū)域的算法能夠明顯抑制噪聲，使恢復的圖像顏色更為真實自然。此外，通過對雙邊濾波進行加速，本算法的時間復雜度僅為圖像大小的線性函數(shù)。結論：針對霧、霾天氣下的降質圖像，基于大氣散射模型與雙邊濾波特性，本文提出了一種新的單幅圖像去霧算法。同時，針對存在明亮區(qū)域的部分圖像，提出了弱化局部區(qū)域去霧的方法，進一步增強了算法的魯棒性。實驗表明，本算法能獲得很好的去霧效果，尤其在細節(jié)處理的表現(xiàn)優(yōu)于Tarel的去霧算法。同時，與基于暗通道先驗的去霧算法相比，本算法在運行時間方面具有明顯優(yōu)勢，有利于實現(xiàn)實時性技術應用。本文算法引入了較多參數(shù)，而這些參數(shù)都是通過實驗而得經(jīng)驗值。下一步的工作是針對不同的圖像自適應獲得這些參數(shù)或者部分參數(shù)。

來源出版物：中國圖象圖形學報, 2014, 19(3): 386-392

入選年份：2017