计算机科学技术

基于Fast R-CNN的车辆目标检测

曹诗雨，刘跃虎，李辛昭

摘要：目的：在传统车辆目标检测问题中，需要针对不同图像场景选择适合的特征。为此提出一种基于快速区域卷积神经网络（Fast R-CNN）的场景图像车辆目标发现方法，避免传统车辆目标检测问题中需要设计手工特征的问题。方法：该方法基于深度学习卷积神经网络思想。首先使用待检测车辆图像定义视觉任务。利用选择性搜索算法获得样本图像的候选区域，将候选区域坐标与视觉任务示例图像一起输入网络学习。示例图像经过深度卷积神经网络中的卷积层，池化层计算，最终得到深度卷积特征。在输入时没有规定示例图像的规格，此时得到的卷积特征规格不定。然后，基于Fast R-CNN网络结构，通过感兴趣区域池化层规格化特征，最后将特征输入不同的全连接分支，并行回归计算特征分类，以及检测框坐标值。经过多次迭代训练，最后得到与指定视觉任务强相关的目标检测模型，具有训练好的权重参数。在新的场景图像中，可以通过该目标检测模型检测给定类型的车辆目标。结果：首先确定视觉任务包含公交车，小汽车两类，背景场景是城市道路。利用与视觉任务强相关的测试样本集对目标检测模型进行测试，实验表明，当测试样本场景与视觉任务相关度越高，且样本中车辆目标的形变越小，得到的车辆目标检测模型对车辆目标检测具有良好的检测效果。结论：本文提出的车辆目标检测方法，利用卷积神经网络提取卷积特征代替传统手工特征提取过程，通过Fast R-CNN对由示例图像组成定义的视觉任务训练得到了效果良好的车辆目标检测模型。该模型可以对与视觉任务强相关新场景图像进行效果良好的车辆目标检测。本文结合深度学习卷积神经网络思想，利用卷积特征替代传统手工特征，避免了传统检测问题中特征选择问题。深层卷积特征具有更好的表达能力。基于Fast R-CNN网络，最终通过多次迭代训练得到车辆检测模型。该检测模型对本文规定的视觉任务有良好的检测效果。本文为解决车辆目标检测问题提供了更加泛化和简洁的解决思路。

来源出版物：中国图象图形学报, 2017, 22(5): 671-677入选年份：2017

结合最佳缝合线和多分辨率融合的图像拼接

谷雨，周阳，任刚，等

摘要：目的：针对图像拼接过程中，缝合线通过运动物体或配准不准确区域等情况导致融合图像出现鬼影、重影的问题，提出了一种基于差异图像加权的改进最佳缝合线算法，采用基于多分辨率和加权平均的分区图像融合算法解决了拼接线问题。方法：首先将两幅图像的重叠区域划分为缝合线区域和过渡区域；在缝合线区域内，使用差异图像加权的最佳缝合线搜索准则构建准则值图像，基于动态规划思想来搜索得到最佳缝合线；基于缝合线生成掩码图像，并对重叠区域图像进行扩展，采用多分辨率融合算法实现了非严格重叠区域的融合；在过渡区域采用加权平均算法来消除拼接线。结果：采用含有大量运动物体的图像序列对算法进行测试，实验结果表明，基于差分图像加权的最佳缝合线有效避开了大部分运动物体，当缝合线难以绕开运动物体时，能够尽量少地穿过运动物体；通过多分辨率和加权平均融合算法消除了拼缝等问题。结论：提出的最佳缝合线算法能够有效地避免缝合线通过运动物体、配准不准确的区域，将多分辨率图像融合算法应用于非严格重叠图像融合，能够合成高质量的全景图像。

来源出版物：中国图象图形学报, 2017, 22(6): 842-851

入选年份：2017

小波与双边滤波的医学超声图像去噪

张聚，王陈，程芸

摘要：目的：斑点噪声是由于超声成像中的基本分辨单元内存在大量的随机散射现象，在图像上表现为空间域内相关的形状各异的小斑点，它掩盖了那些灰度差别很小的图像特征。医学超声图像中的斑点噪声降低了图像质量并且限制了超声图像自动化诊断技术的发展。小波变换具有时频分析和多尺度分析等优越性，在处理加性噪声问题时，小波的去噪效果较好，并且其算法效率较高。然而，仅仅利用小波变换的去噪算法对医学超声图像中斑点噪声的抑制效果不好。对于双边滤波器，它在处理图像噪声时，一方面具有很强的去噪能力，另一方面能够保持图像边缘细节。本文将结合小波去噪和双边滤波的优点，针对斑点噪声问题，提出了一种新型的基于小波和双边滤波的去噪算法。方法：首先，根据超声成像原理，超声成像系统采集到的超声包络信号被建模为信号与噪声的相乘模型，其中相乘噪声即是斑点噪声。经对数变换，超声包络信号由相乘模型变换成相加的模型。根据医学超声图像在小波域内的统计特性，在通用小波阈值函数的基础之上，改进了小波阈值函数。其次，将无噪信号的小波系数和斑点噪声的小波系数分别建模为广义拉普拉斯分布模型和高斯分布模型，利用贝叶斯最大后验估计方法得到了新型的小波收缩算法，利用小波阈值法对小波域内的高频信号分量进行去噪。最后，对小波域内的低频信号分量进行双边滤波处理，然后利用小波逆变换便得到去噪后的图像。结果：在仿真实验中，通过与其他7种去噪算法（Lee、Frost、双边滤波、SRBF、小波软阈值、DPAD和Andria）作对比，观察峰值信噪比（PSNR）等图像质量评价指标，结果表明本文算法的去噪效果优于其他相关算法。临床超声图像的实验结果进一步验证了本文算法的去噪性能。结论：本文提出了一种新型的去噪算法，实验表明本文算法能够很好地抑制斑点噪声，并且能保留图像病灶边缘等细节。

来源出版物：中国图象图形学报, 2014, 28(7): 126-132

入选年份：2017

基于双边滤波的图像去雾

王一帆，尹传历，黄义明，等

摘要：目的：雾、霾等天气状况下获取图像，往往会受到大气中微小粒子散射作用的影响，导致图像严重降质，对比度下降，颜色失真，对图像信息的获取造成很大困难。针对这一问题，本文提出了一种基于双边滤波的单幅图像去雾算法。方法：此算法是以大气散射模型为基础的双边滤波去雾算法。首先，本文求取图像的最小颜色分量，并利用双边滤波滤除最小颜色分量的纹理细节，同时保留其景深突变的边缘特性，将滤波后的结果作为大气耗散函数的初始估计。其次，利用双边滤波计算图像的局部对比度，并基于暗通道先验理论估算图像的大气光强，结合像素与大气光强的相对亮度值对大气耗散函数的初始估计进一步约束，从而得到更准确的大气耗散函数。最后，标识出图像的明亮区域，求取弱化因子对图像进行局部明亮区域的弱化，基于大气散射模型，得到最终清晰无雾的图像。结果：双边滤波能够在平滑图像的同时很好地保持图像的边缘细节，本算法利用这一良好特性有效地抑制了伪光晕。大量实验表明，本算法恢复的图像清晰自然，尤其对于远景处和景深突变的边缘区域能获得很好的去雾效果。针对存在明亮区域的部分图像，本文提出的弱化局部区域的算法能够明显抑制噪声，使恢复的图像颜色更为真实自然。此外，通过对双边滤波进行加速，本算法的时间复杂度仅为图像大小的线性函数。结论：针对雾、霾天气下的降质图像，基于大气散射模型与双边滤波特性，本文提出了一种新的单幅图像去雾算法。同时，针对存在明亮区域的部分图像，提出了弱化局部区域去雾的方法，进一步增强了算法的鲁棒性。实验表明，本算法能获得很好的去雾效果，尤其在细节处理的表现优于Tarel的去雾算法。同时，与基于暗通道先验的去雾算法相比，本算法在运行时间方面具有明显优势，有利于实现实时性技术应用。本文算法引入了较多参数，而这些参数都是通过实验而得经验值。下一步的工作是针对不同的图像自适应获得这些参数或者部分参数。

来源出版物：中国图象图形学报, 2014, 19(3): 386-392

入选年份：2017