基于視覺注意模型的圖像檢索技術研究.pdf

1、隨著數(shù)字圖像數(shù)量的急劇增長,如何能高效、快速地從海量圖像數(shù)據(jù)中檢索出用戶所需的信息是當前圖像應用領域的一個重要問題。從目前研究現(xiàn)狀來看,圖像視覺內容的索引一般可以用低層視覺特征(或物理特征)描述;圖像語義內容的索引用語義特征(一般可以用文字)來描述,除采取人機交互方式獲取外,還有待今后克服“語義鴻溝”。
　　由于基于視覺注意模型的圖像檢測技術對克服“語義鴻溝”有很好的效果,因此成為了這幾年的研究熱點。但是現(xiàn)有基于視覺注意模型的檢測

2、技術對圖像特征的提取、描述、以及融合等都不太理想,使圖像檢索的效率和準確率過于低下。針對這一系列問題,為了更有效地克服語義鴻溝,本文重新構建了一個客觀視覺注意模型,將基于注意力和基于對象的感興趣區(qū)檢測方法相結合,提出了一種自動提取圖像感興趣區(qū)的檢測方法,這種方法一方面有效利用了視覺注意機制度量區(qū)域興趣,另一方面可以獲取具有實際物理意義的區(qū)域。在模型中,提出了三種視覺特征提取的新技術。
　　(1)顯著點特征提取,顯著點特征由動態(tài)閾值

3、法中的類間方差和類內方差來提取和確定;可有效地提取出圖像中的細節(jié)特征,增強圖像被檢索到的魯棒性。
　　(2)標記符特征提取,根據(jù)分水嶺分割的內外標記符特征,用進化規(guī)劃方法對其進行處理,然后提取出標記符特征;標記符特征能進一步的把圖像的局部區(qū)域表征出來,對提高圖像檢索的準確率有較好的表現(xiàn)。
　　(3)區(qū)域特征提取,用進化規(guī)劃方法分割圖像對象,并作為候選區(qū)域,由注意焦點選擇候選區(qū)域生成顯著區(qū),輸出顯著度最大的區(qū)域作為視覺注意的區(qū)