主題模型與眼動(dòng)分析在場(chǎng)景分類(lèi)中的研究及應(yīng)用.pdf

1、場(chǎng)景分類(lèi)是場(chǎng)景理解中的一個(gè)基本問(wèn)題，它主要用于自動(dòng)標(biāo)注圖像所屬的場(chǎng)景類(lèi)別。為了實(shí)現(xiàn)場(chǎng)景分類(lèi)，通常需要完成兩部分工作：圖像特征的提取和表示；選擇合適的算法和分類(lèi)器。本文的研究工作主要集中在第一部分。使用單尺度的方法對(duì)圖像進(jìn)行局部特征提取時(shí)，如果尺度過(guò)大，則會(huì)包含一些冗余信息；而如果尺度過(guò)小，則會(huì)丟失圖像鄰域之間固有的空間結(jié)構(gòu)信息。
　　本文提出一種基于多尺度的方法，即對(duì)圖像不同位置的子區(qū)域采用不同的尺度來(lái)進(jìn)行特征提取。此外，我們還提

2、出使用分類(lèi)別多次聚類(lèi)的方法來(lái)優(yōu)化特征詞典的構(gòu)建。使用LDA主題模型來(lái)進(jìn)行的實(shí)驗(yàn)證明了本文提出的方法是有效的。在場(chǎng)景分類(lèi)時(shí)，通常都需要對(duì)圖像的全部區(qū)域進(jìn)行特征提取。但過(guò)多的數(shù)據(jù)會(huì)導(dǎo)致分類(lèi)方法效率較低，也會(huì)帶來(lái)一些噪聲。我們知道，人的視覺(jué)注意力很容易被場(chǎng)景中的顯著區(qū)域所吸引，因此人的視覺(jué)注視區(qū)域與顯著性存在一定的相關(guān)性。而這種高級(jí)的認(rèn)知行為可以通過(guò)眼動(dòng)信息反映出來(lái)。因此本文又提出將眼動(dòng)信息引入圖像的特征提取階段，從而得到每幅圖像的顯著區(qū)域，

3、并對(duì)其進(jìn)行分類(lèi)。使用空間金字塔匹配模型和支持向量機(jī)來(lái)進(jìn)行的分類(lèi)實(shí)驗(yàn)結(jié)果顯示，我們的模型在一些場(chǎng)景中取得了比較好的分類(lèi)效果；而且整個(gè)模型在參數(shù)學(xué)習(xí)和測(cè)試這兩個(gè)部分的效率有了明顯提升。在模型部分引入眼動(dòng)信息并且取得一定提升的基礎(chǔ)上，我們嘗試從自頂向下的視角，利用眼動(dòng)分析來(lái)探討人類(lèi)對(duì)場(chǎng)景的認(rèn)知機(jī)理，為此我們進(jìn)行了兩個(gè)眼動(dòng)實(shí)驗(yàn)。在實(shí)驗(yàn)數(shù)據(jù)的基礎(chǔ)上，我們從視覺(jué)注視區(qū)域的位置分布及圖像熵、視覺(jué)注視點(diǎn)的停留時(shí)間、眼動(dòng)路徑等方面分析了人眼的視覺(jué)注視機(jī)制