基于眼動(dòng)先驗(yàn)的顯著性檢測.pdf

1、生物學(xué)上的研究表明，人類的視覺系統(tǒng)存在選擇性注意機(jī)制，能夠使得人在看到某個(gè)場景時(shí)，快速地將注意力集中到該場景中信息量最大的區(qū)域。視覺顯著性檢測就是模擬人類視覺系統(tǒng)這種選擇性注意機(jī)制，使得計(jì)算機(jī)在處理圖像或者某個(gè)場景的視頻時(shí)能夠更加快速和智能。如何從一幅圖像中自動(dòng)且準(zhǔn)確地提取出最吸引關(guān)注的區(qū)域，就是顯著性檢測的主要目標(biāo)。顯著性檢測作為計(jì)算機(jī)視覺領(lǐng)域中一個(gè)獨(dú)立的研究方向，可以為分析和理解圖像內(nèi)容提供極大的幫助，在預(yù)處理階段首先對圖像進(jìn)行顯著

2、性檢測，可以極大地提高后續(xù)數(shù)據(jù)處理的效率，對其他領(lǐng)域的研究有著十分重要的意義。
　　本文首先對目前顯著性檢測研究的發(fā)展和經(jīng)典檢測算法進(jìn)行了簡要的回顧和介紹，重點(diǎn)分析了當(dāng)前基于學(xué)習(xí)的顯著性檢測算法的特點(diǎn)和存在的一些問題。之后，提出一種基于眼動(dòng)數(shù)據(jù)圖像特征稀疏約束的顯著性檢測算法。該算法首先建立一個(gè)包括多種圖像特征的特征池，之后假設(shè)圖像的顯著圖由特征池中特征的線性組合表示，并用帶有稀疏約束的線性回歸方法從眼動(dòng)追蹤數(shù)據(jù)庫的先驗(yàn)信息中學(xué)習(xí)

3、出該線性組合的權(quán)重參數(shù)。相較于其他基于學(xué)習(xí)的顯著性檢測方法，本算法更加充分地挖掘了眼動(dòng)數(shù)據(jù)庫中的顯著性先驗(yàn)信息，不僅能夠自動(dòng)生成特征融合參數(shù)，還能夠起到特征選擇，去除冗余信息的目的。實(shí)驗(yàn)表明，用該算法構(gòu)造得到的顯著性檢測模型在檢測準(zhǔn)確度和檢測效率上都有很好的表現(xiàn)。
　　本文還提出一種基于眼動(dòng)數(shù)據(jù)顯著性先驗(yàn)的視覺特征提取方法。該方法以圖像塊為基本操作單位，首先利用顏色、亮度、方向特性構(gòu)造圖像塊代表特征;之后用k-means聚類的方法