本文關(guān)鍵詞：基于眼動(dòng)數(shù)據(jù)的分類視覺(jué)注意模型，由筆耕文化傳播整理發(fā)布。

【摘要】：視覺(jué)注意是人類視覺(jué)系統(tǒng)中的重要部分,現(xiàn)有的視覺(jué)注意模型大多強(qiáng)調(diào)基于自底向上的注意,較少考慮自頂向下的語(yǔ)義,也鮮有針對(duì)不同類別圖像的特定注意模型。眼動(dòng)追蹤技術(shù)可以客觀、準(zhǔn)確地捕捉到被試的注意焦點(diǎn),但在視覺(jué)注意模型中的應(yīng)用還比較少見(jiàn)。因此,提出了一種自底向上和自頂向下注意相結(jié)合的分類視覺(jué)注意模型CMVA,該模型針對(duì)不同類別的圖像,在眼動(dòng)數(shù)據(jù)的基礎(chǔ)上訓(xùn)練分類視覺(jué)注意模型進(jìn)行視覺(jué)顯著性預(yù)測(cè)。本文的主要工作有：1.為了訓(xùn)練不同類別圖像的視覺(jué)注意模型,從多個(gè)圖像庫(kù)和網(wǎng)絡(luò)圖像中選出動(dòng)物、景物、人物和交通工具這四類出現(xiàn)頻率較高,有代表性的圖像。每一類圖像分別進(jìn)行眼動(dòng)實(shí)驗(yàn),對(duì)實(shí)驗(yàn)結(jié)果中的焦點(diǎn)圖進(jìn)行高斯卷積得到"ground truth"顯著圖來(lái)顯示人眼實(shí)際關(guān)注的區(qū)域,構(gòu)建四類圖像的眼動(dòng)數(shù)據(jù)集。2.從每一類圖像的"ground truth"顯著圖中選取正、負(fù)樣本,對(duì)不同類別的圖像提取不同的高層特征,主要區(qū)別是目標(biāo)對(duì)象檢測(cè)特征不同,同時(shí)提取一系列的底層特征來(lái)定義顯著位置,用線性支持向量機(jī)來(lái)訓(xùn)練分類視覺(jué)注意模型CMVA。最后與其它8個(gè)模型用三個(gè)評(píng)價(jià)指標(biāo)進(jìn)行比較分析。為了讓未知類別的圖像自動(dòng)選擇其對(duì)應(yīng)類別的視覺(jué)注意模型,將四類圖像作為訓(xùn)練集,標(biāo)記了四個(gè)類別,分別是1、2、3、4。然后提取部分底層特征和高層特征,用SVM的多分類形式訓(xùn)練了一個(gè)圖像分類器,使未知圖像可以得到它所屬的類別,進(jìn)而使用該類的分類視覺(jué)注意模型。3.眼動(dòng)儀進(jìn)行眼動(dòng)實(shí)驗(yàn)存在一定的誤差,為了比較眼動(dòng)結(jié)果訓(xùn)練的模型和真實(shí)的顯著圖得到的模型之間的差距,讓被試對(duì)四類圖像手動(dòng)標(biāo)記圖像中的感興趣區(qū)域,得到手動(dòng)的"ground truth"顯著圖。最后通過(guò)評(píng)價(jià)指標(biāo)比較眼動(dòng)模型和手動(dòng)模型。實(shí)驗(yàn)結(jié)果表明,與現(xiàn)有的其它8個(gè)視覺(jué)注意模型相比,該模型的性能優(yōu)于其它模型。和手動(dòng)模型相比,性能稍差,但是可以代替人手工標(biāo)記的繁重,大大地提高了效率,很有研究的價(jià)值。
【關(guān)鍵詞】：視覺(jué)注意 視覺(jué)顯著性 分類模型 自底向上 自頂向下
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41
【目錄】：

• 致謝5-6
• 摘要6-7
• ABSTRACT7-11
• 1 引言11-15
• 1.1 課題研究的背景與意義11-12
• 1.2 國(guó)內(nèi)外研究發(fā)展現(xiàn)狀12-13
• 1.3 論文的主要研究工作13-14
• 1.4 論文結(jié)構(gòu)14-15
• 2 視覺(jué)注意機(jī)制15-27
• 2.1 視覺(jué)注意機(jī)制的概述15-17
• 2.2 視覺(jué)注意機(jī)制的研究意義17
• 2.3 視覺(jué)注意計(jì)算模型—Itti模型17-26
• 2.3.1 特征提取18-22
• 2.3.2 顯著圖生成22-25
• 2.3.3 注意焦點(diǎn)轉(zhuǎn)移25
• 2.3.4 Itti模型的不足25-26
• 2.4 本章小結(jié)26-27
• 3 眼動(dòng)跟蹤和眼動(dòng)實(shí)驗(yàn)27-43
• 3.1 眼球結(jié)構(gòu)與視線定義27-28
• 3.2 眼動(dòng)的相關(guān)介紹28-30
• 3.2.1 眼動(dòng)的形式28-29
• 3.2.2 眼動(dòng)的主要測(cè)量方法29-30
• 3.3 眼動(dòng)跟蹤技術(shù)30-33
• 3.3.1 眼動(dòng)跟蹤技術(shù)的基本原理和主要參數(shù)30-31
• 3.3.2 眼動(dòng)跟蹤技術(shù)的應(yīng)用31-33
• 3.4 眼動(dòng)跟蹤技術(shù)的發(fā)展前景33-34
• 3.5 眼動(dòng)跟蹤設(shè)備—眼動(dòng)儀34-36
• 3.5.1 眼動(dòng)儀的研究現(xiàn)狀34
• 3.5.2 SMI眼動(dòng)追蹤系統(tǒng)34-36
• 3.6 眼動(dòng)實(shí)驗(yàn)設(shè)計(jì)與數(shù)據(jù)采集36-42
• 3.6.1 眼動(dòng)實(shí)驗(yàn)的眼動(dòng)儀36-37
• 3.6.2 眼動(dòng)實(shí)驗(yàn)圖像采集37
• 3.6.3 眼動(dòng)實(shí)驗(yàn)過(guò)程37-40
• 3.6.4 眼動(dòng)實(shí)驗(yàn)結(jié)果與數(shù)據(jù)采集40-42
• 3.7 本章小結(jié)42-43
• 4 分類視覺(jué)注意模型CMVA43-58
• 4.1 模型的整體框架43-44
• 4.2 特征提取44-48
• 4.2.1 底層(自底向上)特征44-47
• 4.2.2 高層(自頂向下)特征47-48
• 4.3 數(shù)據(jù)歸一化處理48-49
• 4.4 SVM訓(xùn)練模型49-55
• 4.4.1 SVM的理論知識(shí)49-54
• 4.4.2 線性支持向量機(jī)LSVM訓(xùn)練54-55
• 4.5 基于SVM的多類分類器55-57
• 4.6 本章小結(jié)57-58
• 5 實(shí)驗(yàn)結(jié)果58-66
• 5.1 評(píng)價(jià)指標(biāo)58-59
• 5.2 性能分析59-62
• 5.3 手動(dòng)標(biāo)記的“ground truth”與眼動(dòng)實(shí)驗(yàn)的區(qū)別62-65
• 5.4 本章小結(jié)65-66
• 6 總結(jié)66-68
• 6.1 本文工作總結(jié)66-67
• 6.2 展望67-68
• 參考文獻(xiàn)68-71
• 作者簡(jiǎn)歷及攻讀碩士學(xué)位期間取得的研究成果71-73
• 學(xué)位論文數(shù)據(jù)集73

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 曾愛(ài)華,殷瑞祥,崔海霞;基于小波的圖像插值方法[J];河南科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年02期

2 楊金柱;趙大哲;徐心和;;基于距離場(chǎng)的非線性圖像插值分割方法[J];東北大學(xué)學(xué)報(bào);2006年08期

3 張玉葉;王學(xué)偉;王春歆;;圖像插值分析的交互式分層復(fù)原[J];光電工程;2008年05期

4 王亮;黃曉濤;周智敏;;2維復(fù)圖像插值技術(shù)研究[J];中國(guó)圖象圖形學(xué)報(bào);2008年08期

5 符祥;郭寶龍;;圖像插值技術(shù)綜述[J];計(jì)算機(jī)工程與設(shè)計(jì);2009年01期

6 郝鵬威，，朱重光;基于小波的圖像插值方法[J];遙感學(xué)報(bào);1998年02期

7 邱偉;;淺談圖像插值技術(shù)[J];科技致富向?qū)?2011年17期

8 譚璐,吳翊,劉卓;高維圖像數(shù)據(jù)的最優(yōu)表達(dá)[J];國(guó)防科技大學(xué)學(xué)報(bào);2003年05期

9 張輝;胡廣書;;基于二維卷積的圖像插值實(shí)時(shí)硬件實(shí)現(xiàn)[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年06期

10 李鋅;張飛舟;;基于再生核濾波器的邊緣保護(hù)圖像插值方法[J];計(jì)算機(jī)工程與應(yīng)用;2008年13期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前4條

1 胡巍;張桂林;陳朝陽(yáng);;基于正交函數(shù)積分理論的圖像插值方法[A];1998年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（下冊(cè)）[C];1998年

2 姚春蓮;高麗華;陳誼;李煒;;基于圖像插值的幀內(nèi)預(yù)測(cè)[A];全國(guó)第19屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];2008年

3 肖義男;文玉梅;羅毅;;基于邊緣敏感濾波的圖像插值模糊消除[A];中國(guó)儀器儀表學(xué)會(huì)第六屆青年學(xué)術(shù)會(huì)議論文集[C];2004年

4 仵冀穎;阮秋琦;;偏微分方程約束的非局部均值圖像插值模型[A];第十三屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前1條

1 ;愛(ài)國(guó)者自然窗330T[N];中國(guó)計(jì)算機(jī)報(bào);2001年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 魏平;數(shù)字乳腺鉬靶圖像的軟拷貝顯示技術(shù)研究[D];浙江大學(xué);2009年

2 Rukundo Olivier;灰度圖像插值優(yōu)化方法的研究[D];華中科技大學(xué);2012年

3 劉芳;圖像可逆信息隱藏技術(shù)若干問(wèn)題研究[D];大連理工大學(xué);2013年

4 劉哲星;醫(yī)學(xué)圖像回溯性配準(zhǔn)研究[D];第一軍醫(yī)大學(xué);2002年

5 許博謙;星載相機(jī)微振動(dòng)下圖像補(bǔ)償技術(shù)研究[D];中國(guó)科學(xué)院研究生院(長(zhǎng)春光學(xué)精密機(jī)械與物理研究所);2015年

6 付曉薇;基于量子力學(xué)的圖像處理方法研究[D];華中科技大學(xué);2010年

7 張健;復(fù)雜圖像文本提取關(guān)鍵技術(shù)與應(yīng)用研究[D];南開(kāi)大學(xué);2014年

8 馮宇平;圖像快速配準(zhǔn)與自動(dòng)拼接技術(shù)研究[D];中國(guó)科學(xué)院研究生院（長(zhǎng)春光學(xué)精密機(jī)械與物理研究所）;2010年

9 魏昱;圖像顯著性區(qū)域檢測(cè)方法及應(yīng)用研究[D];山東大學(xué);2012年

10 王捷;基于相位信息的TCMR圖像心肌運(yùn)動(dòng)估計(jì)方法研究[D];華中科技大學(xué);2014年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 劉雪峗;移動(dòng)終端圖像插值快速算法的研究[D];華南理工大學(xué);2015年

2 翟珍珍;多尺度分析方法在醫(yī)學(xué)影像診斷系統(tǒng)中的應(yīng)用研究[D];鄭州大學(xué);2015年

3 王飛宇;多核圖像處理平臺(tái)及其在夜視圖像融合中的應(yīng)用[D];南京理工大學(xué);2015年

4 王洋;基于多圖譜的人腦MR圖像的分析與可視化[D];上海交通大學(xué);2015年

5 張向澤;基于圖像的景深渲染算法的研究與實(shí)現(xiàn)[D];上海交通大學(xué);2015年

6 孟蕊;虛擬試衣系統(tǒng)關(guān)鍵算法研究[D];哈爾濱工業(yè)大學(xué);2015年

7 王海雁;多路圖像數(shù)據(jù)集中處理系統(tǒng)設(shè)計(jì)與開(kāi)發(fā)[D];電子科技大學(xué);2014年

8 鄭成龍;基于云計(jì)算的腦部MR圖像可視化的研究與實(shí)現(xiàn)[D];電子科技大學(xué);2014年

9 柳舒懷;基于Hough變換的圖像配準(zhǔn)算法[D];大連理工大學(xué);2015年

10 王鳳嬌;基于眼動(dòng)數(shù)據(jù)的分類視覺(jué)注意模型[D];北京交通大學(xué);2016年

  本文關(guān)鍵詞：基于眼動(dòng)數(shù)據(jù)的分類視覺(jué)注意模型，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：280695