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

1、視覺注意指的是人在面對復(fù)雜場景時，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其進行優(yōu)先處理的一種能力。視覺注意模型的研究，不僅有助于了解人類視覺信息處理的工作原理，而且對于解決數(shù)據(jù)篩選問題和提高計算機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、目標檢測、信息檢索、機器人視覺等領(lǐng)域也有著重要的應(yīng)用價值。目前自底向上的視覺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，但其計算復(fù)雜度高。頻率

2、域模型運算速度較快，但缺乏生物學(xué)依據(jù)。我們在研究現(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注意模型，并用哈爾特征代替計算量大的高斯差特征進行了優(yōu)化，大大提升了模型的運行速度。進一步地，我們將提出的視覺注意模型應(yīng)用于圖像目標的分割。論文的主要貢獻包括以下幾個方面:
　　1.提出了一個基于結(jié)構(gòu)復(fù)雜度特征融合的視覺注意模型。為了更好地近似人的視覺，首先將圖像從物理顏色空間RGB轉(zhuǎn)換到感知顏色空間LAB。然后對于每一個顏色通道，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。實驗表明，該模型總體上優(yōu)于當前的六種典型算法，并且與心理學(xué)實驗結(jié)果有較好的一致性。
　　2.針對所提出模型計算復(fù)雜度高的問題，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注意模型快速算法。首先用積分圖快速計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。實驗表明，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行速度。
　　3.提出將視覺注意模型與圖像分割算法Graph Cut相結(jié)合，使之能自動分割出圖中顯著物體的技術(shù)。首先用視覺注意模型獲取輸入圖像的顯著圖并進行二值化處理，得到顯著目標的種子區(qū)域。然后用Graph Cut算法進行多次迭代分割，對目標種子區(qū)域進行增長，從而將圖中的顯著物體完整分割出來。實驗表明，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的種子區(qū)域，從而獲得較好的分割效果