視覺注意機(jī)制建模及其應(yīng)用研究.pdf_第1頁
已閱讀1頁,還剩109頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、當(dāng)前,隨著信息技術(shù)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(zhǔn)確地完成各種圖像分析任務(wù)已經(jīng)成為人們研究的熱點(diǎn)。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(wù)(諸如圖像檢索、圖像語義標(biāo)注、場景分析與理解、目標(biāo)識別等)所關(guān)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(fù)雜性,而且?guī)砹嗽S多不必要的計算浪費(fèi)。近年來,許多研究學(xué)者發(fā)現(xiàn)人類視覺系統(tǒng)(human

2、 visualsystem,簡稱HVS)在面對一個復(fù)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(jìn)行優(yōu)先處理,而該過程則被稱為視覺注意。顯然,將這種機(jī)制引入到圖像分析領(lǐng)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(jī)制這種快速篩選能力引入到計算機(jī)的計算中,構(gòu)建視覺注意模型以使計算

3、機(jī)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(xué)和感知科學(xué)領(lǐng)域中,人類的這種注意機(jī)制的工作機(jī)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(shù)自身在語義表達(dá)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(zhǔn)確的數(shù)學(xué)定義。
   本論文首先闡述了視覺注意機(jī)制建模的研究意義,分析了該領(lǐng)域內(nèi)的國內(nèi)外的研究現(xiàn)狀,介紹了視覺注意機(jī)制的特點(diǎn)、經(jīng)典理論以及計算過程。
   接下來,

4、對視覺注意建模領(lǐng)域的已有研究成果進(jìn)行了總結(jié),分析了視覺注意建模的關(guān)鍵問題,并在顯著度計算、特征融合策略、視點(diǎn)轉(zhuǎn)移等方面進(jìn)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(guān)注了視覺注意建模和顯著度計算在圖像分析領(lǐng)域中的一些應(yīng)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(yīng)用中,主要針對復(fù)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(xiàn)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(xué)因素的視點(diǎn)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(guān)鍵對象構(gòu)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(guān)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(yùn)動特征分析擴(kuò)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(jìn)行分類,對于斑點(diǎn)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(yīng)用到遙感

7、圖像處理中,主要針對復(fù)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(fù)雜海面背景下較難將目標(biāo)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(xiàn)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

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論