基于視覺注意機制的目標檢測算法的研究.pdf

1、圖像目標檢測是從圖像中發(fā)現(xiàn)并定位目標，利用人工的方法進行目標檢測的過程耗時，耗力，而且檢測效率低。計算機技術(shù)，人工智能，機器學習等快速發(fā)展，對圖像目標檢測提出了快速化，智能化，自動化地處理。目標檢測的結(jié)果作為更高級圖像處理（目標識別和目標跟蹤）的基礎，檢測率的高低直接影響之后的處理。傳統(tǒng)的目標檢測方法對圖像所有區(qū)域進行搜索，我們所關注的目標只占圖像中某一區(qū)域，進行全面加工加大了分析的復雜性。視覺注意機制使得人們在有限的資源下快速發(fā)現(xiàn)復雜

2、場景下有用的信息，擯棄無用信息，打破對圖像進行逐行掃描的傳統(tǒng)目標檢測方法。本文將視覺注意機制引入到目標檢測中具有重要意義。
　　本文詳細介紹了視覺注意機制的相關原理和方法，并將其應用到目標檢測中，本文主要研究內(nèi)容和成果如下：
　　（1）本文研究視覺注意機制的發(fā)展現(xiàn)狀，研究自底向上的視覺注意模型，在基于生物機制的Itti模型基礎上提出基于底層圖像特征的模型，提取圖像的顏色、方向、紋理特征形成特征顯著圖，各特征顯著圖合成總的顯著

3、圖，通過WTA獲得圖像注意焦點和三種評價指標比較本文模型與傳統(tǒng)模型的性能。
　　（2）研究了自底向上和自頂向下結(jié)合視覺注意模型提出基于 SVM的視覺注意模型，基于底層圖像特征的顯著圖作為SVM的訓練特征，通過學習數(shù)據(jù)庫中樣本，訓練SVM分類器，訓練好的分類器對測試圖像進行測試得到顯著圖。該模型提高了精度，顯著圖體現(xiàn)了目標的大致位置。
　?。?）在顯著圖的基礎上提出基于 SIFT特征匹配的目標檢測，顯著圖基礎上進行目標檢測縮短