模擬自頂向下視覺注意機(jī)制的感知模型研究.pdf

1、研究視覺感知系統(tǒng)信息處理理論的一個(gè)主要內(nèi)容涉及目標(biāo)對(duì)象和空間位置感知，其實(shí)質(zhì)就是研究?jī)蓚€(gè)視覺子系統(tǒng)what通路和where通路的功能。 本文以視覺通路理論為指導(dǎo)，構(gòu)建自頂向下的視覺注意感知模型，探索視覺感知的新理論。在正常的人類視覺中，自底向上和自頂向下處理過程的結(jié)合將會(huì)影響我們的注意，并將注意吸引到顯著的相關(guān)場(chǎng)景部分。將與where通路相關(guān)的空間位置感知分成兩個(gè)層次的概念：目標(biāo)所處的空間環(huán)境和目標(biāo)所在視覺空間中的具體位置。用目

2、標(biāo)所處空間的大范圍信息——環(huán)境信息作為where通路中傳輸?shù)囊患?jí)where信息，用目標(biāo)在視覺空間中的具體位置作為二級(jí)where信息。將what通路中傳輸?shù)哪繕?biāo)感知信息作為what信息。與注意機(jī)制相結(jié)合，一級(jí)where信息可以用來驅(qū)動(dòng)自頂向下的注意，處理大范圍環(huán)境空間信息，為目標(biāo)感知提供指導(dǎo)。二級(jí)where信息與what信息一起可以用于驅(qū)動(dòng)自底向上的注意，形成感受和進(jìn)行對(duì)象識(shí)別。本文主要?jiǎng)?chuàng)新點(diǎn)有： 第一，提出了一種新的自底向上的注

3、意信息提取算法(LOCEV)。LOCEV算法綜合考慮了三方面特性來定義顯著性：1．根據(jù)特征空間中的不可預(yù)測(cè)性來衡量特征的復(fù)雜度；2．在尺度空間中衡量特征的統(tǒng)計(jì)不相似特性；3．同時(shí)考慮特征空間和尺度空間，衡量特征的一些初級(jí)視覺特性。得到的顯著區(qū)域在特征空間和尺度空間中同時(shí)顯著。圖像中所有的點(diǎn)在對(duì)應(yīng)尺度下的區(qū)域顯著值構(gòu)成了整幅圖像的what信息，其中的位置信息和尺度信息就構(gòu)成了對(duì)應(yīng)的二級(jí)where信息。獲取的自底向上的注意信息具有旋轉(zhuǎn)、平移

4、、比例縮放不變性和一定的抗噪能力。 第二，提出了一種新的以環(huán)境為中心的一級(jí)where信息提取算法(CONCEN)。CONCEN算法分為三個(gè)階段：1．提取一級(jí)where信息的高維編碼；2．對(duì)一級(jí)where信息高維編碼進(jìn)行子采樣處理；3．計(jì)算高維編碼子采樣輸出的統(tǒng)計(jì)特征。將最終的統(tǒng)計(jì)特征系數(shù)定義為一級(jí)where信息，結(jié)合注意機(jī)制，一級(jí)where信息可以用來驅(qū)動(dòng)自頂向下的注意，處理大范圍環(huán)境空間信息。CONCEN算法定義的一級(jí)wher

5、e信息不是以目標(biāo)為中心的局部信息的簡(jiǎn)單疊加，而是將整個(gè)場(chǎng)景看成一個(gè)獨(dú)立目標(biāo)得出的真正意義上的環(huán)境信息，既保留了原始場(chǎng)景環(huán)境的全局結(jié)構(gòu)信息，又反映了空間、頻率和朝向特性。根據(jù)一級(jí)where信息獲得相關(guān)目標(biāo)的先驗(yàn)知識(shí)，用于指導(dǎo)與what信息和二級(jí)where信息相關(guān)的自底向上的注意。第三，提出了一種新的基于what和where信息的視覺感知模型(What andwhere information based visual perception

6、 model．WHAT-WHERE)。WHAT-WHERE模型采用以環(huán)境為中心的一級(jí)where信息進(jìn)行自頂向下的注意控制，指導(dǎo)what信息和二級(jí)where驅(qū)動(dòng)的自底向上的注意。自頂向下的注意包括預(yù)注意和集中注意兩個(gè)階段，預(yù)注意依據(jù)一級(jí)where信息為特定目標(biāo)出現(xiàn)與否提供先驗(yàn)，做出是否繼續(xù)搜索的判定。集中注意的結(jié)果與what信息和二級(jí)where信息相結(jié)合，將注意指向目標(biāo)最有可能出現(xiàn)的圖像區(qū)域，即集中注意區(qū)域，并得到了圖像集中注意區(qū)域中的當(dāng)

7、前顯著目標(biāo)區(qū)域和顯著目標(biāo)區(qū)域轉(zhuǎn)移的潛在目標(biāo)。在顯著目標(biāo)區(qū)域轉(zhuǎn)移的過程中，提出了一個(gè)新的目標(biāo)轉(zhuǎn)移準(zhǔn)則——吸引力。根據(jù)各潛在目標(biāo)區(qū)域?qū)Ξ?dāng)前顯著目標(biāo)區(qū)域吸引力的大小，確定下一個(gè)待注視的顯著目標(biāo)區(qū)域和相應(yīng)的潛在目標(biāo)。以此循環(huán)，并得到一系列顯著目標(biāo)區(qū)域。 一級(jí)where信息既可以為哪種目標(biāo)最有可能出現(xiàn)提供很強(qiáng)的先驗(yàn)，也可以為圖像中期望的目標(biāo)出現(xiàn)的位置提供先驗(yàn)，從而可靠地指導(dǎo)自底向上的注意。WHAT-WHERE模型在預(yù)注意完成后根據(jù)條件就可