視覺注意和行為認(rèn)知模型及其應(yīng)用.pdf

1、視覺是感知行為的最主要方式。視覺信息通常具有信息量大、維數(shù)高等特點(diǎn)。注意力選擇機(jī)制在視覺感知的初期發(fā)揮了關(guān)鍵性的作用，幫助我們分析、提取視覺場(chǎng)景中感興趣的區(qū)域和目標(biāo)，在工程應(yīng)用上有著良好的應(yīng)用前景。但現(xiàn)有的視覺注意理論模型往往存在計(jì)算復(fù)雜、實(shí)驗(yàn)結(jié)果依賴參數(shù)選取等缺陷。這就導(dǎo)致其并不適用于諸如圖像、視頻質(zhì)量評(píng)價(jià)等有較高實(shí)肘性要求的工程應(yīng)用。
　　同視覺注意類似，行為抉擇是生物另一項(xiàng)基本技能，是一個(gè)極其復(fù)雜的腦信息處理過程。人工智能領(lǐng)

2、域的增強(qiáng)學(xué)習(xí)算法能夠模擬生物行為抉擇的學(xué)習(xí)過程。通過獎(jiǎng)懲信號(hào)，不斷試錯(cuò)，最后得到優(yōu)化的策略。但傳統(tǒng)的基于查找表的增強(qiáng)學(xué)習(xí)方式無法適應(yīng)狀態(tài)維數(shù)很大的情況，因此并不能很好的應(yīng)用在視覺信息的學(xué)習(xí)上。
　　針對(duì)上述局限，本文在以下幾個(gè)方面進(jìn)行了探索，主要貢獻(xiàn)為:
　　1.提出了一種頻率域的快速獲取圖像顯著圖的算法。采用2D的fourier變換，然后將各頻點(diǎn)上的幅度設(shè)為同一常數(shù)，保留其相位信息，對(duì)其反變換到空間域的圖像濾波后，得到反映

3、視覺注意力顯著圖。這種算法大幅提高了運(yùn)算速度，其顯著性提取效果也優(yōu)于現(xiàn)有的注意力選擇模型。
　　2.提出了一種基于顯著性的圖像、視頻質(zhì)量評(píng)價(jià)方法。利用快速注意力選擇算法計(jì)算參考圖像和視頻幀的顯著圖，將得到顯著圖看做權(quán)重來調(diào)節(jié)原有圖像評(píng)價(jià)準(zhǔn)則，對(duì)視頻通過幀內(nèi)和幀間的加權(quán)得到視頻質(zhì)量的評(píng)價(jià)，與現(xiàn)有方法的對(duì)比實(shí)驗(yàn)表明:我們的方法顯著提高了質(zhì)量評(píng)價(jià)性能，使其更接近人的主觀評(píng)價(jià)。
　　3.提出了一種模擬果蠅視覺-行為抉擇的神經(jīng)網(wǎng)絡(luò)模型