基于視覺注意模型的圖像檢索.pdf

1、隨著互聯(lián)網(wǎng)(Internet)的快速發(fā)展和多媒體數(shù)字化信息采集設(shè)備的普及，每天都有大量的數(shù)字圖像、視頻等多媒體信息產(chǎn)生。為了從海量的圖像庫中獲取用戶需要的圖像，基于內(nèi)容的圖像檢索技術(shù)逐漸成為一個研究熱點。傳統(tǒng)的圖像檢索系統(tǒng)通常抽取圖像的底層特征(顏色、紋理和形狀等)進(jìn)行檢索，但這種基于全局的方法具有一定的局限性，它忽略了圖像中不同的區(qū)域?qū)θ搜垡曈X系統(tǒng)吸引程度不同這一事實。因此本文將視覺注意模型應(yīng)用到圖像檢索中，通過視覺注意模型找到人們感

2、興趣的顯著區(qū)域，再進(jìn)行圖像檢索。本文在視覺注意模型、顯著區(qū)提取、圖像特征提取等方面都進(jìn)行了研究，主要的研究內(nèi)容如下：
　　 1、視覺注意模型是提取原圖視覺顯著區(qū)的基礎(chǔ)，它決定了顯著區(qū)提取的視覺效果。本文采用Song視覺注意模型的計算方法流程，主要包括基本特征通道高斯金字塔生成，特征圖生成，顯著圖融合等步驟。由于Song模型在特征圖生成階段采用固定的窗口進(jìn)行中央周邊差運算，使得對于尺度較大的顯著區(qū)，該模型不能較好地提取區(qū)域的中間顯

3、著部分。針對此缺點，本文改進(jìn)了Song模型，根據(jù)圖像高斯金字塔序列中，圖像分辨率的不同，分配不同尺度的計算窗口，分辨率較高的圖像分配較大的窗口尺度。實驗結(jié)果表明，改進(jìn)的視覺注意模型較Song模型能更好地刻畫視覺顯著圖的內(nèi)部區(qū)域。
　　 2、在顯著區(qū)提取方面，由于視覺顯著圖只能描述像素點的顯著性而不能描述區(qū)域的顯著性，因此本文將顯著圖和圖像分割算法結(jié)合。先用圖像分割算法獲取圖像的各個區(qū)域，然后結(jié)合視覺顯著圖計算各個區(qū)域的顯著性，最

4、后通過三條篩選規(guī)則獲取原圖的顯著區(qū)。
　　 3、在圖像特征提取方面，由于基于全局特征的方法將圖像的背景區(qū)域也用于特征提取，這樣既不能準(zhǔn)確描述圖像的主體內(nèi)容，又浪費了計算資源。為解決這一問題，本文僅對顯著區(qū)提取特征進(jìn)行圖像檢索。同時，針對部分顯著區(qū)中背景和主體內(nèi)容摻雜的圖像，本文改進(jìn)了BDIP-BVLC特征的計算方法，通過對顯著圖進(jìn)行數(shù)學(xué)形態(tài)學(xué)操作，獲取顯著區(qū)的二值圖，并且二值圖中值為0的局部塊不參與特征提取運算。