主題模型與眼動分析在場景分類中的研究及應(yīng)用.pdf

1、場景分類是場景理解中的一個基本問題，它主要用于自動標注圖像所屬的場景類別。為了實現(xiàn)場景分類，通常需要完成兩部分工作：圖像特征的提取和表示；選擇合適的算法和分類器。本文的研究工作主要集中在第一部分。使用單尺度的方法對圖像進行局部特征提取時，如果尺度過大，則會包含一些冗余信息；而如果尺度過小，則會丟失圖像鄰域之間固有的空間結(jié)構(gòu)信息。
　　本文提出一種基于多尺度的方法，即對圖像不同位置的子區(qū)域采用不同的尺度來進行特征提取。此外，我們還提

2、出使用分類別多次聚類的方法來優(yōu)化特征詞典的構(gòu)建。使用LDA主題模型來進行的實驗證明了本文提出的方法是有效的。在場景分類時，通常都需要對圖像的全部區(qū)域進行特征提取。但過多的數(shù)據(jù)會導(dǎo)致分類方法效率較低，也會帶來一些噪聲。我們知道，人的視覺注意力很容易被場景中的顯著區(qū)域所吸引，因此人的視覺注視區(qū)域與顯著性存在一定的相關(guān)性。而這種高級的認知行為可以通過眼動信息反映出來。因此本文又提出將眼動信息引入圖像的特征提取階段，從而得到每幅圖像的顯著區(qū)域，

3、并對其進行分類。使用空間金字塔匹配模型和支持向量機來進行的分類實驗結(jié)果顯示，我們的模型在一些場景中取得了比較好的分類效果；而且整個模型在參數(shù)學(xué)習(xí)和測試這兩個部分的效率有了明顯提升。在模型部分引入眼動信息并且取得一定提升的基礎(chǔ)上，我們嘗試從自頂向下的視角，利用眼動分析來探討人類對場景的認知機理，為此我們進行了兩個眼動實驗。在實驗數(shù)據(jù)的基礎(chǔ)上，我們從視覺注視區(qū)域的位置分布及圖像熵、視覺注視點的停留時間、眼動路徑等方面分析了人眼的視覺注視機制