基于生物啟發(fā)和統(tǒng)計分析相結(jié)合的圖像顯著性檢測模型研究.pdf

1、視覺注意力機(jī)制是人類能夠在復(fù)雜場景中快速獲取感興趣區(qū)域的原因之一。對視覺注意力的研究源于認(rèn)知科學(xué)和神經(jīng)生物學(xué)，近年來快速發(fā)展于計算機(jī)科學(xué)。計算機(jī)科學(xué)中采用“視覺顯著性”來量化視覺注意力，視覺顯著性檢測模型就是分析人的視覺注意機(jī)制，并設(shè)計數(shù)學(xué)模型來模擬這種機(jī)制。經(jīng)過二十多年的發(fā)展，視覺顯著性檢測模型在處理視覺信息方面已經(jīng)越來越接近人類的習(xí)慣。但因為“視覺顯著性”這個概念本身的定義尚不明確，所以目前視覺顯著性檢測還是一個開放性問題。造成這種

2、現(xiàn)象的原因主要在于兩點，第一點是認(rèn)知科學(xué)和神經(jīng)生物學(xué)對視覺注意力機(jī)制的研究還不完善，第二點是計算機(jī)科學(xué)中對于視覺顯著性的形式化描述還有改進(jìn)空間。因此，如何定義“視覺顯著性”是計算機(jī)科學(xué)領(lǐng)域?qū)σ曈X注意力研究的關(guān)鍵。
　　從兩個思路探索如何定義“視覺顯著性”。第一個思路是直接模擬人類視覺神經(jīng)元感受野的選擇機(jī)制，提出了一種生物啟發(fā)的顯著性檢測模型。定義了一個模擬視覺神經(jīng)元感受野的模板，與輸入圖像進(jìn)行卷積運(yùn)算，從而預(yù)測圖像中最吸引人類視覺

3、注意力的區(qū)域（簡稱RFS）。由于簡單細(xì)胞的感受野會對輸入信號形成一個稀疏表示，因此在RFS的基礎(chǔ)上訓(xùn)練了一個非顯著模板，該模板描述了大量自然圖像的非顯著特征。通過計算輸入圖像與非顯著模板的響應(yīng)，獲取圖像中不吸引人類視覺注意力的區(qū)域，從而反推圖像中吸引視覺注意力的區(qū)域（簡稱SRS）。模型RFS和SRS都是基于生物啟發(fā)的顯著性檢測模型，實驗表明這兩種模型運(yùn)算速度快，準(zhǔn)確率也高于經(jīng)典的模型，并且SRS比RFS具有更高的準(zhǔn)確率。
　　上面

4、提出的兩種模型都沒有考慮圖像內(nèi)部數(shù)據(jù)之間的相關(guān)性，只考慮了先驗知識（即人類視覺神經(jīng)元感受野的選擇機(jī)制）對輸入視覺信息的處理，因此第二個思路集中探索圖像內(nèi)部特征對視覺注意力的影響。定義“視覺顯著性”的第二個思路是基于統(tǒng)計分析，實驗中分析了離群點與人眼注視點之間的相似性，提出利用特征的離群值定義顯著性。具體使用基于距離的離群點檢測方法來計算圖像的布爾圖，多個尺度的布爾圖經(jīng)過線性疊加得到圖像的顯著圖（簡稱OS）。由于基于距離的離群點檢測的時間

5、復(fù)雜度較高，采用單次抽樣的方法將算法時間復(fù)雜度從原來的O(n2)降低到了O(n)（簡稱OSOS）。分析了算法的穩(wěn)定性，并證明了少量的抽樣次數(shù)不會影響到算法的穩(wěn)定性。模型OS和OSOS都是基于統(tǒng)計分析的顯著性檢測模型，實驗表明在人眼注視點預(yù)測數(shù)據(jù)庫上本文提出的模型準(zhǔn)確率優(yōu)于經(jīng)典模型，并且在同等條件下OSOS的運(yùn)算時間遠(yuǎn)小于OS。
　　上述兩種思路分別采用了兩個顯著性的定義來檢測圖像的顯著性。經(jīng)過實驗觀察，這兩種顯著性定義對人眼注視點

6、的預(yù)測結(jié)果有較大差異，并且各有優(yōu)勢。利用預(yù)測誤差理論和引導(dǎo)濾波器，將SRS與OSOS統(tǒng)一為一個新的模型SROD，重新定義了“視覺顯著性”。模型SROD融合了SRS與OSOS的計算結(jié)果，并且在人眼注視點預(yù)測數(shù)據(jù)庫上具有更高的準(zhǔn)確率。
　　視覺顯著性研究包含兩種基本任務(wù)：人眼注視點預(yù)測和顯著目標(biāo)檢測，這兩者在相當(dāng)長的時間里被認(rèn)為是兩個相對獨立的任務(wù)。顯著目標(biāo)檢測模型OS2是由前文提出的人眼注視點預(yù)測模型OS轉(zhuǎn)化而來，主要變化在于圖像表