視覺注意機制建模及其應用研究.pdf

1、當前，隨著信息技術的發(fā)展，圖像數(shù)據(jù)的規(guī)模變得越來越大，面對如此龐大的圖像數(shù)據(jù)，如何能夠快速而準確地完成各種圖像分析任務已經(jīng)成為人們研究的熱點。傳統(tǒng)的圖像分析方法將圖像中所有區(qū)域都被賦予相同的優(yōu)先級，然而很多圖像分析任務(諸如圖像檢索、圖像語義標注、場景分析與理解、目標識別等)所關心的內(nèi)容通常僅占圖像中較小一部分，因此，這種全面加工不但增加了分析過程的復雜性，而且?guī)砹嗽S多不必要的計算浪費。近年來，許多研究學者發(fā)現(xiàn)人類視覺系統(tǒng)(human

2、 visualsystem，簡稱HVS)在面對一個復雜場景時，人類的注意力會迅速被少數(shù)幾個顯著的視覺對象所吸引，并對這些對象進行優(yōu)先處理，而該過程則被稱為視覺注意。顯然，將這種機制引入到圖像分析領域是非常必要且有意義的，它可以提供容易引起觀察者注意的圖像區(qū)域信息，幫助制定合理的計算資源分配方案，從而極大地提高現(xiàn)有圖像分析系統(tǒng)的工作效率。
　　 然而，將人類視覺注意機制這種快速篩選能力引入到計算機的計算中，構建視覺注意模型以使計算

3、機也具有類似人類的注意智能絕非易事。一方面，在腦神經(jīng)科學和感知科學領域中，人類的這種注意機制的工作機理尚不明確，還有很多未知的和有待解決的問題，無法給出明確的原型過程。另一方面，由于圖像處理技術自身在語義表達上仍不能符合人類的語義，在許多概念上仍不能給出較為準確的數(shù)學定義。
　　 本論文首先闡述了視覺注意機制建模的研究意義，分析了該領域內(nèi)的國內(nèi)外的研究現(xiàn)狀，介紹了視覺注意機制的特點、經(jīng)典理論以及計算過程。
　　 接下來，

4、對視覺注意建模領域的已有研究成果進行了總結，分析了視覺注意建模的關鍵問題，并在顯著度計算、特征融合策略、視點轉(zhuǎn)移等方面進行了研究，提出了一種適用于自然場景分析的自底向上視覺注意模型。
　　 論文還關注了視覺注意建模和顯著度計算在圖像分析領域中的一些應用，提出一種基于顯著度計算的對象視頻檢索方法，給出了一種時序圖像中顯著對象的檢測方法，又將顯著度計算引入到遙感圖像處理的應用中，主要針對復雜海面背景下的海上艦船檢測和噪聲背景下的變化

5、檢測。
　　 論文的主要貢獻包括以下幾個方面：
　　 (1)提出一種適用于自然場景分析的視覺注意模型，包括針對不同特征的全局顯著度計算方法、動態(tài)多特征評估與融合算法以及基于心理學因素的視點轉(zhuǎn)移過程模擬的計算方法。相比已有的建模工作，在顯著對象的輪廓及語義完整性上有較為明顯的提高，更接近于真實的人眼視覺注意過程。
　　 (2)提出一種基于視覺顯著度計算的對象視頻檢索方法。該方法通過將視頻中的顯著對象抽取出來，針對這

6、些關鍵對象構建特征向量的相似性計算，并以此來作為整體視頻的相似性。這樣屏蔽了視頻中大量背景因素的影響，更好地反映了對象視頻中的主題內(nèi)容。相比基于關鍵幀的特征相似度的計算，檢索效率有一定的提高；通過引入運動特征分析擴展了靜態(tài)圖像的視覺顯著度計算模型，給出一種適用于時序圖像分析的顯著對象檢測方法。該方法有效地將時序圖像中的顯著對象檢測出來并進行分類，對于斑點噪聲、亮度和對比度具有較好的魯棒性。
　　 (3)將視覺顯著度計算應用到遙感

7、圖像處理中，主要針對復雜海面背景下的海上艦船檢測和噪聲背景下的變化檢測。前者利用艦船相對于海面呈現(xiàn)視覺上較為顯著的特性，引入顯著度計算以克服傳統(tǒng)閾值分割方法在復雜海面背景下較難將目標與背景分離的問題。后者利用對象的變化分布在不同特征中，且不同特征對于變化的貢獻不同，通過計算不同特征通道的差異顯著度，動態(tài)地融合成一幅綜合差異顯著度圖，并在差異顯著度圖中尋找對象變化區(qū)域。相比于基于統(tǒng)計特征直方圖匹配后的閾值分割方法，該方法具有更好的檢測效果