視覺注意模型及其在目標(biāo)感知中的應(yīng)用研究.pdf

1、人類初級視覺系統(tǒng)根據(jù)當(dāng)前相關(guān)的行為和視覺任務(wù)，使用注意機(jī)制來處理重要信息。通過這種處理方式，可以有效地平衡計(jì)算資源、減少時(shí)間消耗以及解決復(fù)雜場景下不同視覺任務(wù)問題。在計(jì)算機(jī)處理復(fù)雜場景信息的過程中，應(yīng)用視覺注意機(jī)制可以把有限的計(jì)算能力更加有效地分配給重要的處理任務(wù)。視覺注意計(jì)算模型一般使用兩種信息引導(dǎo)注意力的轉(zhuǎn)移:自底向上基于圖像顯著性的信息和自頂向下基于任務(wù)的信息。如何有效地利用這兩種信息指導(dǎo)注意力迅速關(guān)注到興趣目標(biāo)區(qū)域，為進(jìn)一步的目

2、標(biāo)識別奠定基礎(chǔ)，具有十分重要的意義。本論文運(yùn)用神經(jīng)科學(xué)、模式識別和圖像處理理論，深入分析了生物視覺信息處理過程的相關(guān)內(nèi)容，進(jìn)行了計(jì)算機(jī)視覺注意機(jī)制的研究，并將其應(yīng)用在目標(biāo)搜索和識別上去。本論文完成的主要工作如下:
　　 研究了視覺關(guān)注區(qū)域提取方法。結(jié)合基于顯著度的區(qū)域選擇方法和尺度空間主結(jié)構(gòu)方法提取視覺關(guān)注區(qū)域。對于一幅輸入的彩色圖像，根據(jù)數(shù)據(jù)驅(qū)動注意模型找到顯著點(diǎn)，使用基于顯著度的區(qū)域選擇方法得到顯著區(qū)域。然后，將彩色圖像轉(zhuǎn)化

3、為灰度圖像，使用尺度空間主結(jié)構(gòu)方法獲得局部極值點(diǎn)坐標(biāo)和對應(yīng)尺度。在已求得的顯著區(qū)域內(nèi)，尋找最大響應(yīng)極值點(diǎn)，并在相應(yīng)尺度上確定圖斑區(qū)域。最后合并這兩個空間區(qū)域，獲得包含目標(biāo)的區(qū)域。這種分割結(jié)果相對粗糙，給出的不是嚴(yán)格的目標(biāo)邊界，但是可以有效地覆蓋目標(biāo)，減少數(shù)據(jù)冗余。
　　 研究了基于對象積累的視覺注意模型。圖斑是存在于尺度空間中目標(biāo)重要結(jié)構(gòu)的反映，利用圖斑引導(dǎo)感知分組過程，可以使注意力更好地關(guān)注于任務(wù)相關(guān)的區(qū)域。通過引入多尺度圖斑

4、，模型能夠有效關(guān)聯(lián)高層語義(先驗(yàn)知識)和底層特征，并基于圖斑特征建立先驗(yàn)知識的表達(dá)形式。對于給定新的場景，模型首先通過視覺預(yù)注意階段計(jì)算得到中間數(shù)據(jù)，提取圖斑特征。然后使用事先建立的基于圖斑特征的先驗(yàn)知識，迅速有效地引導(dǎo)視覺注意力關(guān)注任務(wù)相關(guān)區(qū)域。最后利用對象積累機(jī)制合并圖斑區(qū)域，實(shí)現(xiàn)感知分組，提取完整目標(biāo)區(qū)域。模型很好地利用了自頂向下和自底向上的信息。實(shí)驗(yàn)將新模型和顯著區(qū)域提取模型及波譜殘留模型進(jìn)行比較，證明了本論文所提出模型的優(yōu)越性

5、。
　　 研究了基于對象積累視覺注意機(jī)制的目標(biāo)搜索和識別模型。本論文提出了一種基于對象積累機(jī)制的目標(biāo)自動學(xué)習(xí)方法，在圖斑引導(dǎo)下使用對象積累機(jī)制獲得目標(biāo)積累過程中的能量變化趨勢，形成目標(biāo)表達(dá)向量。同時(shí)，提出了一種基于對象積累機(jī)制的目標(biāo)搜索和識別方法，將目標(biāo)表達(dá)向量作為自頂向下的先驗(yàn)知識，與來源于圖像的自底向上的底層信息結(jié)合起來，利用圖斑特征引導(dǎo)注意力轉(zhuǎn)移，迭代積累對象，提取完整目標(biāo)區(qū)域，并提供初步識別結(jié)果。實(shí)驗(yàn)中，新模型對200幅

6、圖像中的40個不同目標(biāo)對象進(jìn)行學(xué)習(xí)和識別，獲得了88.5％的識別率，證明了本論文所提出模型的有效性。
　　 最后研究了基于SIFT算子評估視覺關(guān)注區(qū)域有效性的方法。目前，計(jì)算機(jī)視覺注意常用的計(jì)算模型仍然存在很多問題:一方而模型無法充分利用自底向上的圖像信息和預(yù)處理過程中產(chǎn)生的中間數(shù)據(jù)，實(shí)際計(jì)算效率與生物視覺系統(tǒng)的感知效率仍然存在一定的差距;另一方而模型引入自頂向下先驗(yàn)知識的方式、方法還有待進(jìn)一步改進(jìn)。產(chǎn)生的直接后果就是提取到的關(guān)