摘要：本发明属于图像显著度检测技术领域。其特征是能够对任意一幅图像的显著目标进行检测，涉及到图像处理的相关知识。首先，将图像过分割形成超像素，并进行Harris兴趣点检测形成凸包；其次，对图像进行边缘检测并计算图像的边缘权重图；然后，使用边缘权重图度量颜色空间信息得到先验图；以先验图作为基准使用软分割得到观测似然概率；最后，使用贝叶斯框架结合先验图和观测似然概率得到显著度检测结果。本发明的益处在于能够很好的消除背景噪声，平滑的高亮图像目标，能够处理在显著性检测中一直难以处理的目标颜色与背景相似、大目标和复杂背景的情况，并能够很好的应用于一般图像中。

摘要：本发明涉及显著性信息取得装置以及显著性信息取得方法。提供在通用性以及可靠性上优越的新的显著性检测技术。显著性信息取得装置具有：局域显著性取得部，将输入图像的每个像素的显著度，基于根据各像素的周围的局部区域所得到的信息进行计算；候选区域设定部，对输入图像设定多个候选区域；全局显著性取得部，将多个候选区域的各自的显著度基于包含局域显著性特征量和全局特征量的信息而进行计算，其中，局域显著性特征量表示各候选区域内的每个像素的显著度的特征，全局特征量表示各候选区域相对于输入图像的整体的特征；以及整合部，对通过全局显著性取得部得到的多个候选区域的显著度进行整合，生成输入图像的显著性信息。

摘要：提供一种注意检测装置以及注意检测方法。提供在运动图像的注意检测中，安装容易且可靠性好的新的算法。注意检测装置包括：特征提取部，关于运动图像内的局部区域，提取表示所述局部区域内的图像的空间性且时间性的变化的特征量、即时空间特征量；散列法部，使用散列函数，将所述局部区域的时空间特征量的值转换为散列值，并且，使用通过学习而预先获得的时空间特征量的学习值作为与各散列值对应的条目而注册的散列表，选择与所述局部区域的散列值对应的学习值；以及注意程度决定部，基于所述局部区域的时空间特征量的值和所述选择的学习值之间的距离，以所述距离越大则注意程度越大的方式，决定所述局部区域的注意程度。

摘要：本发明属于视频异常事件检测技术领域，提供了一种监控视频异常事件检测的方法。本方法能够对任意监控视频的画面进行分析并检测出异常事件，涉及到视频图像处理的相关知识。首先，将视频划分为图像序列，提起视频的三维梯度特征；其次，对原始提取的特征进行随机筛选，然后对随机筛选的特征进行主成分分析进行降维，得到最终特征；对训练样本提取特征后，根据Baum‑Welch算法进行迭代更新，得到隐马尔可夫模型各项参数；最后，计算测试样本由此模型生成的概率，对比设定的阈值，完成异常事件的检测。本发明的效果和益处是能够有效的检测出画面中的异常事件，模型不同数据库中应用较好，边缘影响不明显，并且大大降低了计算复杂度。

摘要：本发明属于图像视频目标跟踪技术领域，提供了一种视频目标跟踪的方法，能够对视频中特定单个目标进行持续跟踪，涉及到图像处理的相关知识。首先，我们利用深度互学习和知识蒸馏的方法训练一个快速的目标跟踪器。其次，在每一帧来临时，在上一帧周围撒很多粒子，粒子的分布是随机的。然后我们选取一个大的图像区域，能够将所有粒子包含进去。将图像区域和粒子的相对位置送入目标跟踪器，得到最后的得分，选取得分最高的结果。将最后结果经过包围框回归之后作为最终结果。最后，每次跟踪失败或者一定时间之后在线更新跟踪器。本发明的益处在于改变传统的采样方法，将在图像层采样变为在特征层采样，大大提升了速度，在保证精度的条件下提升了速度。

摘要：本发明属于图像处理中目标检测领域，具体是一种遥感图像目标检测方法，对遥感图像数据进行预处理，做常规的数据增广；采用ResNet残差网络提取多尺度的特征图，根据目标特点采用跨通道信息融合的方式，将多尺度的特征进行融合，增强特征的语义信息以及特征的丰富性得到融合以后的多尺度特征图；在融合后的特征图上引入一种注意力机制，生成概率显著特征图，弱化遥感图像中冗余的背景信息，增强目标的显著性；将第一次回归之后的检测框各个关键点位置信息引入，重新构建带有位置信息的特征图，进行最终的多类别分类和定位预测。本发明优势在于从遥感图像的目标特点出发，能够处理遥感图像中目标尺寸比较小、背景信息复杂以及定位不够准确的情况。

摘要：本发明属于视频检索技术领域，涉及到图像处理相关知识，特别涉及到视频文字检测方法。其特征是从待测视频中提取出视频字幕用于识别和视频检索。首先，利用梯度幅度图（GAM）来增强输入图像的文本边界；其次，使用两个方向的形态滤波滤除部分背景干扰并增强了文本与背景的对比度；再次，我们使用最稳定极值区（MSER）区域检测器来检测视频文本的显著图，利用Graph?Cuts得到文本的最佳分割；最后利用文本的几何分布特性将文本连成文本行，并用多帧确认和一些启发教育的方法去除非文本区域。本发明的效果和益处是克服了在本文检测中比较敏感的文本边界模糊、对比度低以及背景复杂等技术难题，并且检测结果可以直接用于文字识别。

摘要：本发明实现即使未提供与显著区域相关的先验信息，也能够有效地利用贝叶斯定理，从一张图像中高精度地检测显著区域的图像处理装置、图像处理方法、图像处理控制程序、以及记录介质。先验概率计算部件（123）以构成与周边的色距离大的超像素的各像素的先验概率高的方式计算显著区域的先验概率，似然度计算部件（126）计算显著区域的似然度，显著区域检测部件（127）使用上述先验概率和上述似然度，计算上述显著区域的后验概率。

摘要：本发明涉及图像处理装置、图像处理方法以及程序。对于输入图像，(1)首先以基于模型的算法来计算粗略的前景图。(2)从粗略的前景图中的前景区域和背景区域，分别提取正的学习样本和负的学习样本。(3)使用步骤(2)中定义的学习样本，对多个识别器进行学习。(4)组合所学习的多个识别器而构筑强识别器，使用该强识别器生成对于输入图像的最终的显著性图。

摘要：本发明涉及事件检测装置以及事件检测方法。具有：第一数据取得部件，取得第一数据；多个识别器；特征量分类部件，取得对应于所述第一数据的特征量，生成成为所取得的特征量的分类目的地的多个簇，将所述特征量分类到所述多个簇之中的其中一个；学习部件，分别使用被分类到各簇的特征量来使所述多个识别器进行学习；第二数据取得部件，取得第二数据；识别部件，将对应于所述第二数据的特征量输入至进行了所述学习的多个识别器，从各识别器取得识别结果；以及判定部件，基于所述取得的识别结果，判定在所述第二数据中是否包含辨识对象的事件。