基于結(jié)構(gòu)復(fù)雜度特征融合的視覺(jué)注意模型研究及其應(yīng)用.pdf

1、視覺(jué)注意指的是人在面對(duì)復(fù)雜場(chǎng)景時(shí)，將注意力迅速集中在少數(shù)感興趣的區(qū)域，然后用有限的資源對(duì)其進(jìn)行優(yōu)先處理的一種能力。視覺(jué)注意模型的研究，不僅有助于了解人類視覺(jué)信息處理的工作原理，而且對(duì)于解決數(shù)據(jù)篩選問(wèn)題和提高計(jì)算機(jī)的信息處理效率有著重要的意義，在圖像分析與圖像理解領(lǐng)域、目標(biāo)檢測(cè)、信息檢索、機(jī)器人視覺(jué)等領(lǐng)域也有著重要的應(yīng)用價(jià)值。目前自底向上的視覺(jué)注意模型主要有空間域模型和頻率域模型兩大類?？臻g域的模型具有生物學(xué)合理性，但其計(jì)算復(fù)雜度高。頻率

2、域模型運(yùn)算速度較快，但缺乏生物學(xué)依據(jù)。我們?cè)谘芯楷F(xiàn)有模型的基礎(chǔ)上提出基于結(jié)構(gòu)復(fù)雜度特征融合的視覺(jué)注意模型，并用哈爾特征代替計(jì)算量大的高斯差特征進(jìn)行了優(yōu)化，大大提升了模型的運(yùn)行速度。進(jìn)一步地，我們將提出的視覺(jué)注意模型應(yīng)用于圖像目標(biāo)的分割。論文的主要貢獻(xiàn)包括以下幾個(gè)方面:
　　1.提出了一個(gè)基于結(jié)構(gòu)復(fù)雜度特征融合的視覺(jué)注意模型。為了更好地近似人的視覺(jué)，首先將圖像從物理顏色空間RGB轉(zhuǎn)換到感知顏色空間LAB。然后對(duì)于每一個(gè)顏色通道，采用

3、高斯差濾波器提取出圖像的多尺度特征。最后，將所有尺度上的特征圖根據(jù)各自的結(jié)構(gòu)復(fù)雜度融合為最終的顯著圖。實(shí)驗(yàn)表明，該模型總體上優(yōu)于當(dāng)前的六種典型算法，并且與心理學(xué)實(shí)驗(yàn)結(jié)果有較好的一致性。
　　2.針對(duì)所提出模型計(jì)算復(fù)雜度高的問(wèn)題，提出了一種基于哈爾特征及結(jié)構(gòu)復(fù)雜度特征融合的視覺(jué)注意模型快速算法。首先用積分圖快速計(jì)算出圖像的多尺度哈爾特征，然后將所有尺度上的特征圖根據(jù)各自的結(jié)構(gòu)復(fù)雜度融合為最終的顯著圖。實(shí)驗(yàn)表明，在幾乎不影響模型性能的

4、前提下，哈爾特征能大大提升模型的運(yùn)行速度。
　　3.提出將視覺(jué)注意模型與圖像分割算法Graph Cut相結(jié)合，使之能自動(dòng)分割出圖中顯著物體的技術(shù)。首先用視覺(jué)注意模型獲取輸入圖像的顯著圖并進(jìn)行二值化處理，得到顯著目標(biāo)的種子區(qū)域。然后用Graph Cut算法進(jìn)行多次迭代分割，對(duì)目標(biāo)種子區(qū)域進(jìn)行增長(zhǎng)，從而將圖中的顯著物體完整分割出來(lái)。實(shí)驗(yàn)表明，與其它三種現(xiàn)有典型模型相比，我們提出的模型能更有效地提供目標(biāo)的種子區(qū)域，從而獲得較好的分割效果