基于視覺注意機制的物體顯著性研究.pdf

1、物體顯著性研究是計算機視覺領(lǐng)域的熱點問題之一，模擬人眼視覺注意特性的顯著區(qū)域提取方法是其中一條重要的研究途徑。目前為止，針對靜態(tài)圖像已有較為成熟的顯著區(qū)域提取方法進行處理。對于視頻，人的視覺系統(tǒng)有一個重要的特點，不僅需要考慮物體的靜態(tài)顯著度（如亮度、顏色、與周圍物體對比度），而且需要考慮物體的運動顯著度。如何設(shè)計物體顯著區(qū)域提取方法，從而接近甚至達到人眼視覺注意性能，仍然具有挑戰(zhàn)性。 視覺研究本身是一個跨學(xué)科領(lǐng)域的問題，涉及到計

2、算機視覺及神經(jīng)生物學(xué)這兩個截然不同的學(xué)科。本論文研究視覺注意特征和物體顯著性提取算法，主要從計算機視覺這一角度出發(fā)進行闡述，內(nèi)容上，本論文就近年來在此領(lǐng)域內(nèi)的進展作一綜述，并著重分析自底向上的顯著性提取模型；而后以計算機視覺的語言詳細解析視頻中物體的運動顯著性和靜態(tài)圖像中物體的顯著性，設(shè)計和提出了基于視覺注意機制的物體顯著性提取算法，并完成了相關(guān)實驗。實驗結(jié)果表明了這種物體顯著性提取方案的可行性。 本論文的主要工作和創(chuàng)新點包括以

3、下幾個方面：1. 研究和比較了視覺注意領(lǐng)域內(nèi)的物體顯著性提取模型和算法，并分析其優(yōu)缺點。 2.基于視覺注意特征，提出視頻中物體的運動顯著性提取算法。 首先對視頻進行分割，對于一組連續(xù)的視頻幀序列，通過塊匹配算法得到運動向量表示，然后從視頻幀中提取區(qū)域顯著特征，接著給出基于運動向量的運動顯著性提取算法，建立算法的基本框架。 3. 研究靜態(tài)圖像中物體顯著性的提取方法，分析了譜殘余算法和增量編碼長度算法的流程。相對于傳