基于生物視覺機(jī)制的場(chǎng)景識(shí)別關(guān)鍵技術(shù)研究.pdf

1、基于生物視覺機(jī)制的場(chǎng)景識(shí)別是通過模擬人類的感知能力來挖掘圖像中的場(chǎng)景特征，進(jìn)而推斷出圖像間的類別關(guān)系，從而自動(dòng)地識(shí)別出圖像所隸屬的場(chǎng)景。由于場(chǎng)景識(shí)別技術(shù)可以有助于解決目標(biāo)跟蹤與定位、視頻內(nèi)容分析、圖像智能檢索和視覺機(jī)器人導(dǎo)航等一系列具有代表性的計(jì)算機(jī)視覺及模式識(shí)別領(lǐng)域的應(yīng)用問題，所以場(chǎng)景識(shí)別成為該領(lǐng)域中非?；钴S和富有挑戰(zhàn)性的研究課題之一，受到了國(guó)內(nèi)外研究者的廣泛關(guān)注。本文針對(duì)基于生物視覺機(jī)制的場(chǎng)景識(shí)別的關(guān)鍵問題展開研究，主要研究?jī)?nèi)容及成

2、果主要體現(xiàn)在以下幾個(gè)方面:
　　研究人類視覺系統(tǒng)的注意力選擇機(jī)制及顯著性檢測(cè)模型的原理，分析并對(duì)比空域檢測(cè)模型和頻域檢測(cè)模型的內(nèi)在機(jī)理與性能。提出了一個(gè)將SR、PFT及PQFT為代表的頻譜檢測(cè)模型囊括其中的統(tǒng)一的基于幅度譜調(diào)制的視覺顯著性檢測(cè)算法框架。在此基礎(chǔ)上，提出了基于幅度譜均衡調(diào)制的ASBM模型，在一定程度上解決傳統(tǒng)算法在特定條件下的檢測(cè)不準(zhǔn)確問題。仿真實(shí)驗(yàn)證明，本文提出的ASBM模型在檢測(cè)的準(zhǔn)確性，魯棒性以及抗噪能力方面均

3、優(yōu)于該領(lǐng)域中性能較好的PQFT模型，因此使視覺顯著性檢測(cè)算法得到進(jìn)一步優(yōu)化。
　　針對(duì)光照變化給視覺顯著性檢測(cè)及場(chǎng)景識(shí)別帶來的問題，研究基于顏色恒常性理論的圖像增強(qiáng)算法，重點(diǎn)分析了經(jīng)典的多尺度Retinex算法的原理，并指出其采用的高斯濾波所存在的不足，提出了基于魯棒各向異性擴(kuò)散的改進(jìn)多尺度Retinex算法，從而在一定程度上解決了傳統(tǒng)方法存在的邊緣偽增強(qiáng)問題，能夠進(jìn)一步保護(hù)具有場(chǎng)景分析價(jià)值的邊緣信息，并將改進(jìn)的算法應(yīng)用于顏色恢復(fù)

4、。對(duì)比實(shí)驗(yàn)證實(shí)，該算法在得到較好的顏色恢復(fù)效果同時(shí)，還能獲取更清晰的邊緣信息，為具有場(chǎng)景代表性的區(qū)域分割以及局部穩(wěn)定特征提取工作提供必要的保障。
　　研究了基于圖像內(nèi)容表征的場(chǎng)景識(shí)別方法，提出了快速的基于視覺顯著性的場(chǎng)景代表性區(qū)域分割框架，在一定程度上解決傳統(tǒng)的面向場(chǎng)景識(shí)別的圖像處理方法需要遍歷整幅圖像所帶來的計(jì)算低效率問題。其中，基于熵優(yōu)先策略的區(qū)域提取算法通過計(jì)算顯著點(diǎn)的鄰域信息熵來確定場(chǎng)景代表性區(qū)域中心，實(shí)驗(yàn)證明該算法具有較

5、好的魯棒性和抗噪性，并且提取到的區(qū)域與局部不變興趣點(diǎn)之間存在較好的場(chǎng)景一致性。而基于先驗(yàn)知識(shí)的顯著建筑物分割算法可以實(shí)現(xiàn)建筑物區(qū)域信息在圖像像素級(jí)上的精確檢測(cè)，并將其應(yīng)用于室外場(chǎng)景數(shù)據(jù)集。與其他方法相比，該分割算法不僅能夠檢測(cè)到圖像中建筑物的存在，還可以提取其細(xì)致的區(qū)域信息，并在去除非遮擋干擾目標(biāo)的同時(shí)還能去除遮擋建筑物的干擾目標(biāo)。
　　研究局部不變特征描述子的特點(diǎn)及構(gòu)造過程，并通過對(duì)比分析選擇了性能較好的SURF算法作為重點(diǎn)研究

6、及使用目標(biāo)，提出了基于多方向融合的主方向定位算法，能夠獲得比SURF算法更好的主方向定位結(jié)果。提出了基于興趣點(diǎn)強(qiáng)度、對(duì)比度及微小尺度子空間的興趣點(diǎn)密度的相似興趣點(diǎn)競(jìng)爭(zhēng)策略，進(jìn)一步去除了興趣點(diǎn)中的噪聲點(diǎn)，從而提高了局部特征的匹配準(zhǔn)確率及目標(biāo)的識(shí)別效率。
　　研究現(xiàn)有場(chǎng)景識(shí)別方法的特點(diǎn)及流程，結(jié)合本論文課題研究的劃分粒度較小的固定場(chǎng)景識(shí)別問題，選擇了本論文提出的具有較好性能的ISURF特征，并利用前面得到的場(chǎng)景代表性區(qū)域的分割結(jié)果來有