視覺假體中的視覺顯著圖提取與運(yùn)動(dòng)檢測(cè).pdf

1、研究目的:
　　視覺假體是一種植入式的醫(yī)用電子設(shè)備。它通過將微攝像頭采集的圖像像素化處理后轉(zhuǎn)化為電信號(hào)刺激視覺神經(jīng)系統(tǒng)使失明患者重新獲得部分視知覺。在視覺假體中，神經(jīng)電極作用于視網(wǎng)膜，視神經(jīng)及視皮層上引起相應(yīng)神經(jīng)結(jié)構(gòu)興奮，產(chǎn)生神經(jīng)脈沖;該脈沖傳導(dǎo)至大腦皮層，從而產(chǎn)生視知覺。視覺假體的目的不是再生視覺的所有細(xì)節(jié)（如:顏色，深度，質(zhì)地結(jié)構(gòu)），而是僅為患者完成有限的基本生活活動(dòng)如閱讀，行走，運(yùn)動(dòng)檢測(cè)等，提供有用的視知覺信息，但是視覺假體

2、產(chǎn)生的神經(jīng)活動(dòng)依賴于刺激微電極與神經(jīng)單元間點(diǎn)對(duì)點(diǎn)的有限數(shù)量的刺激。在電刺激神經(jīng)元的過程中需要提供給電極有限的像素化圖像，然而，在日常生活活動(dòng)中包含的信息量是巨大的，如不經(jīng)過處理直接用于視覺假體上，盲人會(huì)出現(xiàn)不能識(shí)別如障礙物等顯著性目標(biāo)。因而需要對(duì)攝像頭所采集的圖像進(jìn)行顯著性處理，得到圖像中最顯著性的信息。通過分析其中最有效成分，可獲得適應(yīng)于視覺假體的像素化圖像，實(shí)現(xiàn)視覺假體的最終目的。
　　研究方法:
　　1.Itti模型的

3、研究和分析。RGB圖像分解成亮度、顏色和方向圖。利用Itti模型對(duì)亮度、顏色和方向圖三個(gè)特征通道進(jìn)行高斯金字塔分解及多尺度相加運(yùn)算，得到三個(gè)通道的顯著圖;這三個(gè)通道的顯著圖平均求和得到的綜合顯著圖。
　　2.改進(jìn)Itti模型。RGB圖像分解成H、S和I圖取代顏色、亮度和方向圖;將RGB圖像轉(zhuǎn)換得到HSI圖像的H、S、I特征的圖像及它們的高斯金字塔分解圖像，特征圖，顯著圖以及由顯著圖加權(quán)求和得到的綜合顯著圖。應(yīng)用顯著圖精確度和圖像處

4、理時(shí)間來衡量改進(jìn)前后兩種算法的效果。
　　3.顯著圖的優(yōu)化。依據(jù)人眼更加關(guān)注圖像中央?yún)^(qū)域信息的視覺機(jī)制，利用位置顯著圖對(duì)改進(jìn)的Itti模型進(jìn)行優(yōu)化。利用圖像的位置顯著圖對(duì)綜合顯著圖進(jìn)行優(yōu)化，能夠削弱周邊區(qū)域的顯著性。
　　4.改進(jìn)的顯著圖算法用于場(chǎng)景中運(yùn)動(dòng)的檢測(cè)。改進(jìn)的顯著圖算法處理一段自錄的含有運(yùn)動(dòng)場(chǎng)景的視頻，檢測(cè)視頻中的運(yùn)動(dòng)。
　　研究結(jié)果:
　　1.一幅RGB圖像輸入到Itti模型中，首先得出圖像的的亮度、

5、顏色和方向的高斯金字塔分解的圖像，其次得出這三個(gè)通道的特征圖和顯著圖，最后顯著圖平均求和得出的綜合顯著圖。
　　2.一幅RGB圖像輸入到改進(jìn)模型中，首先得出將RGB圖像轉(zhuǎn)換得到HSI圖像的H、S、I三個(gè)特征的圖像及它們的高斯金字塔分解的圖像，其次得出它們的特征圖和顯著圖以及這三個(gè)顯著圖加權(quán)求和得到的綜合顯著圖。
　　3.通過計(jì)算顯著圖的精確度得出利用改進(jìn)方法提取的顯著圖比Itti模型提取的顯著圖精確度提高了約15％-20％。

6、統(tǒng)計(jì)改進(jìn)方法和Itti方法在處理一幅400×300大小圖像的運(yùn)行時(shí)間，及他們?cè)谔幚聿灰粯哟笮〉膱D像時(shí)所消耗的時(shí)間，改進(jìn)算法在檢測(cè)顯著性區(qū)域時(shí)用的時(shí)間少了近50％。
　　4.利用改進(jìn)的顯著圖算法用于處理含有運(yùn)動(dòng)場(chǎng)景的視頻，從仿真結(jié)果可看出方法是可以檢測(cè)到視頻中人的運(yùn)動(dòng)。
　　研究結(jié)論:
　　1.通過對(duì)Itti模型和改進(jìn)方法得到的綜合顯著圖的精確度對(duì)比，改進(jìn)方法提取的顯著圖比Itti模型提取的顯著圖精確度得到了提高。改進(jìn)方

7、法提取的顯著性區(qū)域要優(yōu)于Itti模型的結(jié)果。
　　2.利用優(yōu)化的模型檢測(cè)得出顯著圖，不管是復(fù)雜背景的圖像還是人工合成的圖像，利用優(yōu)化的方法都可以得到較好的結(jié)果。
　　3.改進(jìn)方法在運(yùn)算速度和效率上要優(yōu)于Itti方法。由于Itti方法除了要提取顏色和亮度特征外，還要提取方向特征，這個(gè)過程的運(yùn)算量比較大。而改進(jìn)方法精簡(jiǎn)了不同尺度的3個(gè)特征圖，且替代了方向特征，運(yùn)算量要小。
　　4.改進(jìn)模型用于運(yùn)動(dòng)檢測(cè)算法是可以檢測(cè)到視頻中