視覺注意模型及其在目標感知中的應用研究.pdf

1、人類初級視覺系統根據當前相關的行為和視覺任務，使用注意機制來處理重要信息。通過這種處理方式，可以有效地平衡計算資源、減少時間消耗以及解決復雜場景下不同視覺任務問題。在計算機處理復雜場景信息的過程中，應用視覺注意機制可以把有限的計算能力更加有效地分配給重要的處理任務。視覺注意計算模型一般使用兩種信息引導注意力的轉移:自底向上基于圖像顯著性的信息和自頂向下基于任務的信息。如何有效地利用這兩種信息指導注意力迅速關注到興趣目標區(qū)域，為進一步的目

2、標識別奠定基礎，具有十分重要的意義。本論文運用神經科學、模式識別和圖像處理理論，深入分析了生物視覺信息處理過程的相關內容，進行了計算機視覺注意機制的研究，并將其應用在目標搜索和識別上去。本論文完成的主要工作如下:
　　 研究了視覺關注區(qū)域提取方法。結合基于顯著度的區(qū)域選擇方法和尺度空間主結構方法提取視覺關注區(qū)域。對于一幅輸入的彩色圖像，根據數據驅動注意模型找到顯著點，使用基于顯著度的區(qū)域選擇方法得到顯著區(qū)域。然后，將彩色圖像轉化

3、為灰度圖像，使用尺度空間主結構方法獲得局部極值點坐標和對應尺度。在已求得的顯著區(qū)域內，尋找最大響應極值點，并在相應尺度上確定圖斑區(qū)域。最后合并這兩個空間區(qū)域，獲得包含目標的區(qū)域。這種分割結果相對粗糙，給出的不是嚴格的目標邊界，但是可以有效地覆蓋目標，減少數據冗余。
　　 研究了基于對象積累的視覺注意模型。圖斑是存在于尺度空間中目標重要結構的反映，利用圖斑引導感知分組過程，可以使注意力更好地關注于任務相關的區(qū)域。通過引入多尺度圖斑

4、，模型能夠有效關聯高層語義(先驗知識)和底層特征，并基于圖斑特征建立先驗知識的表達形式。對于給定新的場景，模型首先通過視覺預注意階段計算得到中間數據，提取圖斑特征。然后使用事先建立的基于圖斑特征的先驗知識，迅速有效地引導視覺注意力關注任務相關區(qū)域。最后利用對象積累機制合并圖斑區(qū)域，實現感知分組，提取完整目標區(qū)域。模型很好地利用了自頂向下和自底向上的信息。實驗將新模型和顯著區(qū)域提取模型及波譜殘留模型進行比較，證明了本論文所提出模型的優(yōu)越性

5、。
　　 研究了基于對象積累視覺注意機制的目標搜索和識別模型。本論文提出了一種基于對象積累機制的目標自動學習方法，在圖斑引導下使用對象積累機制獲得目標積累過程中的能量變化趨勢，形成目標表達向量。同時，提出了一種基于對象積累機制的目標搜索和識別方法，將目標表達向量作為自頂向下的先驗知識，與來源于圖像的自底向上的底層信息結合起來，利用圖斑特征引導注意力轉移，迭代積累對象，提取完整目標區(qū)域，并提供初步識別結果。實驗中，新模型對200幅

6、圖像中的40個不同目標對象進行學習和識別，獲得了88.5％的識別率，證明了本論文所提出模型的有效性。
　　 最后研究了基于SIFT算子評估視覺關注區(qū)域有效性的方法。目前，計算機視覺注意常用的計算模型仍然存在很多問題:一方而模型無法充分利用自底向上的圖像信息和預處理過程中產生的中間數據，實際計算效率與生物視覺系統的感知效率仍然存在一定的差距;另一方而模型引入自頂向下先驗知識的方式、方法還有待進一步改進。產生的直接后果就是提取到的關