基于顯著性分析的視覺注意模型研究.pdf_第1頁
已閱讀1頁,還剩64頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、視覺注意是人類視覺感知的一個重要屬性,人類可以從外界輸入的大量視覺信息中迅速判斷感興趣信息,使感興趣信息優(yōu)先得到大腦神經(jīng)與心理資源的處理。視覺注意模型即為采用計算的方法建立模型來模擬人類的視覺注意機制。當前通常采用分析場景視覺顯著性的方法來構(gòu)建視覺注意模型。視覺注意模型的研究不僅對于探索人類視覺系統(tǒng)的工作機制有重要意義,而且在圖像處理相關(guān)領(lǐng)域,視覺注意模型常被采用作為一個預處理步驟,判定待處理圖像的相關(guān)重點區(qū)域,抑制非相關(guān)區(qū)域,以極大節(jié)

2、省后續(xù)計算資源,具有廣泛的實際應用價值。人類視覺存在兩種注意機制:自下而上和自上而下,本文的重點是自下而上的機制。目前自下而上的視覺注意模型有空間域模型和變換域模型。通?;诳臻g域的模型計算復雜度高,但具有更強的生物學合理性,基于變換域的模型則相反。本文首先闡述了視覺注意研究的背景及意義,分析了該領(lǐng)域內(nèi)的研究狀況,介紹了幾種經(jīng)典理論以及計算過程,并總結(jié)了基于顯著性分析的視覺注意計算模型的關(guān)鍵過程。接下來,詳細分析了PCT模型的本質(zhì),并提

3、出了一種高頻離散余弦變換(HFDCT)視覺注意模型,該模型獲取的顯著圖與PCT模型非常接近,計算速度卻比PCT模型快了1.6倍左右;此外,本文提出了另外一種改進的PCT計算模型:多尺度PCT模型,該模型在特征通道選擇,特征尺度,以及特征顯著映射圖歸一化等方面有所優(yōu)化。另外,本文提出局部顯著性與全局顯著性的概念,并提出了一種分層(M-S)視覺注意計算模型,該模型能綜合局部與全局顯著信息,以生成圖像的視覺顯著圖。在多顯著目標的情況下,分層模

4、型能更快速的識別出異類目標。
  論文的主要貢獻包括以下幾個方面:
  (1)詳細分析了人類視覺注意的工作機理,對當前主流的視覺注意計算模型進行了適當?shù)木C述總結(jié),闡述了基于顯著性分析自下而上的視覺注意計算模型的一般計算框架,并分析了其中的關(guān)鍵步驟。這對于后續(xù)相關(guān)研究有一定的指導意義。
  (2)深入闡述了PCT模型的計算過程,分析了PCT模型的本質(zhì),并提出了一種更為快速的視覺注意模型:高頻離散余弦變換模型。
  

5、(3)提出了一種多尺度PCT模型,模型從特征通道選擇,特征尺度以及特征顯著映射圖歸一化三個方面對PCT模型提出了改進策略,本文對該模型進行了闡述,以及仿真實現(xiàn)。仿真結(jié)果表面,多尺度PCT模型更加符合人類的視覺注意特點。
  (4)提出了一種分層視覺注意計算模型的框架結(jié)構(gòu),該模型框架首先利用局部顯著信息快速浮現(xiàn)潛在目標區(qū)域,然后采用區(qū)域特征競爭得出各區(qū)域權(quán)重,最后得到完整的顯著圖。該模型框架能很好地綜合局部顯著信息和全局顯著信息,在

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論