全局顯著信息指導(dǎo)下的輪廓編組計(jì)算模型研究.pdf

1、知覺組織作為人類視覺感知系統(tǒng)的重要組成部分，近年來(lái)受到從事神經(jīng)科學(xué)、認(rèn)知心理學(xué)和計(jì)算機(jī)科學(xué)等多領(lǐng)域研究人員的高度關(guān)注。知覺組織的過(guò)程為自然界中的光信號(hào)和感知目標(biāo)之間架起一道橋梁，是人類進(jìn)行圖像識(shí)別、注意分配以及記憶存儲(chǔ)等高級(jí)加工過(guò)程的基礎(chǔ)。輪廓編組作為以圖像邊緣為編組對(duì)象的一種知覺組織，是知覺組織研究中不可或缺的一部分。輪廓編組模型能夠發(fā)現(xiàn)圖像中的顯著結(jié)構(gòu)，是定義和獲取感知目標(biāo)的重要工具，為實(shí)現(xiàn)基于目標(biāo)的注意模型、目標(biāo)檢測(cè)和目標(biāo)識(shí)別等模

2、型提供保障。因此研究知覺組織的認(rèn)知和神經(jīng)機(jī)制，建立符合人類感知特性的高效的輪廓編組模型，是當(dāng)前視覺感知系統(tǒng)信息處理理論研究中一個(gè)非常重要的問(wèn)題。
　　 將認(rèn)知心理學(xué)和神經(jīng)科學(xué)中有關(guān)知覺組織的研究成果應(yīng)用到計(jì)算模型中，是建立符合人類感知特性的輪廓編組模型的關(guān)鍵。本文以心理學(xué)中格式塔的知覺組織規(guī)則為依據(jù)，將心理學(xué)和神經(jīng)科學(xué)中的研究成果作為理論基礎(chǔ)，從統(tǒng)計(jì)學(xué)的角度出發(fā)，強(qiáng)調(diào)注意對(duì)知覺組織過(guò)程的影響作用，提出了符合自然圖像統(tǒng)計(jì)特性的格式

3、塔編組線索量化模型，并構(gòu)建了全局顯著信息指導(dǎo)下的輪廓編組模型。
　　 本文的研究?jī)?nèi)容依據(jù)建立輪廓編組模型的三個(gè)步驟可分為三大部分。第一部分從優(yōu)化輪廓編組輸入的角度出發(fā)，設(shè)計(jì)實(shí)現(xiàn)了適合于輪廓編組的自然圖像中的邊緣檢測(cè)算法。第二部分通過(guò)分析人類所接受的外部信息的統(tǒng)計(jì)特性，建立了邊緣間格式塔編組線索的量化模型。第三部分確定輪廓編組算法的優(yōu)化目標(biāo)和優(yōu)化過(guò)程，從中體現(xiàn)出注意對(duì)知覺組織的作用，實(shí)現(xiàn)對(duì)自然圖像的輪廓編組。本文的主要?jiǎng)?chuàng)新點(diǎn)有：<

4、br>　　 第一，提出了一種基于全局顯著信息的多尺度邊緣檢測(cè)算法。與其它邊緣檢測(cè)算法相比，該算法能夠獲得較好的邊緣檢測(cè)結(jié)果，更符合輪廓編組的輸入要求。算法采用非線性的方法將多種特征下的邊緣檢測(cè)結(jié)果進(jìn)行融合，保證邊緣的準(zhǔn)確和完整；以圖像中顯著區(qū)域的邊界位置作為邊緣檢測(cè)的空間先驗(yàn)知識(shí)，有效去除噪聲和細(xì)節(jié)邊緣；將空間位置相鄰的邊緣點(diǎn)連接成具有一定長(zhǎng)度的邊，確保檢測(cè)結(jié)果的穩(wěn)定性和對(duì)輪廓編組算法的適用性；最后在多尺度的變化中不斷更新空間先驗(yàn)知識(shí)

5、和追蹤每條邊緣的演化過(guò)程，用每條邊從出現(xiàn)到消亡過(guò)程中的能量總和來(lái)度量其顯著性。
　　 第二，提出了輪廓編組中新的邊緣相似性度量方法-有向邊區(qū)域度量。利用自行開發(fā)的交互式的圖形化標(biāo)注工具，人工標(biāo)注得到了規(guī)范且準(zhǔn)確的有向邊緣數(shù)據(jù)集，并在此數(shù)據(jù)集上，以正則化方差準(zhǔn)則為依據(jù)，具體討論了影響有向邊相似性度量的幾個(gè)關(guān)鍵因素，明確給出了有向邊區(qū)域度量的最佳參數(shù)。有向邊區(qū)域度量的邊緣相似性度量方法克服了邊緣連接方式的不確定性，能夠有效提高相似性

6、線索在輪廓編組中的重要性。在有向邊緣數(shù)據(jù)集上的統(tǒng)計(jì)信息顯示，有向邊區(qū)域度量明顯優(yōu)于已有的其它邊緣相似性度量方法。
　　 第三，建立了輪廓編組中生成式的編組線索合并模型。結(jié)合認(rèn)知心理學(xué)中有關(guān)格式塔規(guī)則的研究，將鄰近性作為輪廓編組中的主導(dǎo)線索，討論了在不同的鄰近性條件下連續(xù)性和相似性線索的聯(lián)合分布情況。用生成式的編組線索合并模型，擬合了連續(xù)性和相似性線索在人工標(biāo)注數(shù)據(jù)集上具有特殊形式的聯(lián)合分布，準(zhǔn)確地描述了編組線索之間的相關(guān)性。此模

7、型摒除了以往判別式模型中對(duì)于線索不相關(guān)的假設(shè)，更準(zhǔn)確的擬合了由自然圖像統(tǒng)計(jì)得到的格式塔編組線索的統(tǒng)計(jì)特性，是更為精確的格式塔線索合并模型。
　　 第四，提出了全局顯著信息指導(dǎo)下的輪廓編組算法，并通過(guò)對(duì)輪廓編組算法的層次化實(shí)現(xiàn)了基于目標(biāo)的注意。該輪廓編組算法以心理學(xué)中有關(guān)注意對(duì)知覺組織作用的研究成果為依據(jù)，用全局顯著信息來(lái)指導(dǎo)輪廓編組的過(guò)程，實(shí)現(xiàn)對(duì)自然圖像中顯著感知目標(biāo)的輪廓編組。模擬注意中的同物效果和禁止返回機(jī)制，將輪廓編組算法