發(fā)布時間：2017-04-13 03:09

  本文關(guān)鍵詞：基于視覺興趣區(qū)域的相似性分析與圖像推薦，由筆耕文化傳播整理發(fā)布。

【摘要】：人機交互系統(tǒng)中,包括如鼠標(biāo)、鍵盤等的鍵入顯式反饋和如人眼信息作用的隱式反饋。目前顯式反饋應(yīng)用的較多,而隱式反饋因為技術(shù)性問題一直沒有得以廣泛應(yīng)用�；陔[式反饋有很高的應(yīng)用價值,本文重點研究了眼動信息方面的圖像相似性分析與圖像推薦；以人的觀察結(jié)果為出發(fā)點,本著“以人為本”的原則,對圖像做出基于區(qū)域的相似性分析和檢索,并把檢索結(jié)果以一定順序給予人性化推薦。由于單個或少量的觀察結(jié)果,不足以說明觀察者的興趣傾向性,本文采取對注視區(qū)域進行基于底層特征向量聚類的方法,并把聚類結(jié)果作為能反映興趣傾向的區(qū)域特征,即文中所提出的視覺興趣區(qū)域。在后續(xù)圖像檢索中,提出九宮格隨機點選取方法用于測試圖像的區(qū)域分割,進行基于區(qū)域的圖像相似性分析,并把符合一定相似性的測試圖像存儲于對應(yīng)的視覺興趣區(qū)域相似集中。在上述聚類過程中,把歸為一類的圖像的注視程度平均值作為此視覺興趣區(qū)域的興趣程度,用于衡量觀察者對此類特征的感興趣程度。在興趣程度的基礎(chǔ)上,對相似集中的圖像進行一定順序的推薦；在推薦過程中,本文提出一種更人性化的推薦算法,并在推薦算法的實現(xiàn)細節(jié)上,提出相似性閾值自我調(diào)整的方式,此方式可以更好的調(diào)和相似程度和推薦數(shù)量間的矛盾關(guān)系。通過整個過程的分析和設(shè)計,本文在注視區(qū)域的提取、聚類下的興趣傾向性、區(qū)域化測試圖像后的相似性分析,以及比較新穎的圖像推薦方面提出了較好的解決思路,最后的圖像推薦取得了比較好的效果。
【關(guān)鍵詞】：人機交互 眼動 興趣區(qū)域 聚類 相似性 圖像推薦
【學(xué)位授予單位】：南京大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.3
【目錄】：

• 摘要5-6
• ABSTRACT6-11
• 第一章 緒論11-19
• 1.1 引言11-12
• 1.2 研究背景12
• 1.3 研究現(xiàn)狀和發(fā)展趨向12-15
• 1.3.1 國內(nèi)研究現(xiàn)狀13-14
• 1.3.2 國外研究現(xiàn)狀14
• 1.3.3 發(fā)展趨向14-15
• 1.4 總體方案15-18
• 1.4.1 視覺興趣區(qū)域16-17
• 1.4.2 相似性分析17
• 1.4.3 圖像推薦17
• 1.4.5 總體設(shè)計17-18
• 1.5 本章小結(jié)18-19
• 第二章 注視焦點圖的提取19-34
• 2.1 眼動儀19-20
• 2.1.1 眼動儀簡介19-20
• 2.1.2 眼動儀交互過程20
• 2.2 眼動數(shù)據(jù)預(yù)處理20-22
• 2.2.1 確定有效注視信息21
• 2.2.2 眼動數(shù)據(jù)坐標(biāo)變換21-22
• 2.3 區(qū)域生長法獲取注視焦點圖22-25
• 2.3.1 區(qū)域生成法概述22-23
• 2.3.2 注視點區(qū)域生長過程23-24
• 2.3.3 焦點圖的坐標(biāo)集合24
• 2.3.4 焦點圖的注視程度24-25
• 2.4 焦點圖底層特征提取25-30
• 2.4.1 紋理特征提取25-26
• 2.4.2 顏色特征提取26-28
• 2.4.3 形狀特征提取28-30
• 2.5 實驗和分析30-33
• 2.6 本章小結(jié)33-34
• 第三章 視覺興趣區(qū)域VROI的確定34-44
• 3.1 模板匹配算法下的相關(guān)系數(shù)35-36
• 3.1.1 矩形化焦點圖35
• 3.1.2 矩形區(qū)域的相關(guān)系數(shù)35-36
• 3.2 加權(quán)融合特征向量間距離方法的相似性度量36-38
• 3.2.1 特征的歸一化處理37
• 3.2.2 加權(quán)融合各特征距離37-38
• 3.3 K-MEANS聚類方式獲取視覺興趣區(qū)域VROI38-41
• 3.3.1 距離矩陣38-39
• 3.3.2 k-means聚類過程和VROI的表示39-41
• 3.4 實驗和分析41-43
• 3.5 本章小結(jié)43-44
• 第四章 測試圖像處理和相似性分析44-54
• 4.1 九宮格隨機點選擇方法44-48
• 4.1.1 多組隨機點中的優(yōu)選組45-47
• 4.1.2 單組隨機點均進行區(qū)域生長方式47
• 4.1.3 上述兩種方式的結(jié)合47-48
• 4.2 模擬注視焦點圖的底層特征提取48
• 4.3 模擬注視焦點圖在測試圖像中的顯著性48-49
• 4.4 VROI和測試圖像基于區(qū)域的相似性分析49-51
• 4.4.1 像素占比加權(quán)方式下的相似性度量49-50
• 4.4.3 測試圖像和VROI的相似歸類50-51
• 4.5 實驗和分析51-53
• 4.6 本章小結(jié)53-54
• 第五章 基于相似性分析結(jié)果進行圖像推薦54-61
• 5.1 VROI對應(yīng)的相似集的存儲方式55-56
• 5.2 相似性閾值和圖像推薦數(shù)量56-58
• 5.2.1 需求圖像數(shù)量下相似性閾值的設(shè)定56-57
• 5.2.2 程序中直接控制所推薦圖像的數(shù)量57
• 5.2.3 兩者間的比較57-58
• 5.3 圖像推薦算法設(shè)計58-60
• 5.3.1 推薦算法的描述58-59
• 5.3.2 改變VROI傾向順序的量值59-60
• 5.4 本章小結(jié)60-61
• 第六章 總結(jié)與展望61-63
• 6.1 成果和創(chuàng)新61-62
• 6.1.1 論文成果61-62
• 6.1.2 論文創(chuàng)新點62
• 6.2 未來展望62-63
• 致謝63-64
• 參考文獻64-70
• 攻讀碩士學(xué)位期間參與科研項目70-71

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 趙小紅;楊培林;;基于MATLAB的區(qū)域生長[J];山西師范大學(xué)學(xué)報(自然科學(xué)版);2014年S2期

2 孔超;張化祥;劉麗;;基于興趣區(qū)域特征融合的半監(jiān)督圖像檢索算法[J];山東大學(xué)學(xué)報(工學(xué)版);2014年03期

3 閆苗苗;鄭元林;戚永紅;;基于感興趣區(qū)域圖像眼動數(shù)據(jù)庫的建立[J];西安理工大學(xué)學(xué)報;2014年01期

4 武麗;陳軍;張海瑞;;基于傅里葉描述子的形狀特征提取的討論與研究[J];中國科技信息;2013年07期

5 宋真;顏永豐;;基于興趣點綜合特征的圖像檢索[J];計算機應(yīng)用;2012年10期

6 陳曉寧;楊潤豐;趙健;;基于興趣點局部綜合顏色和紋理圖像檢索方法[J];電子科技;2012年09期

7 肖瀟;王憲保;莊德文;王守覺;;基于均勻區(qū)域分割的圖像檢索研究[J];計算機科學(xué);2012年06期

8 林晨航;潘志斌;鄒彬;;基于全局和局部顏色特征的圖像檢索方法[J];微電子學(xué)與計算機;2012年04期

9 周華;蔡超;丁明躍;;基于流形學(xué)習(xí)和流形高階近似的圖像距離度量[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2012年03期

10 陳再良;鄒北驥;黃敏之;沈海瀾;辛國江;;圖像亮度特征對ROI提取的影響[J];中南大學(xué)學(xué)報(自然科學(xué)版);2012年01期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 劉俊;基于眼動追蹤的隱式相關(guān)反饋方法研究[D];北京交通大學(xué);2014年

2 孫艷紅;基于感興趣區(qū)域的融合多特征圖像檢索方法研究[D];重慶交通大學(xué);2010年

3 李有鋒;基于顏色和紋理特征的圖像檢索相關(guān)算法研究[D];電子科技大學(xué);2009年

4 斯白露;基于感興趣區(qū)域的圖像檢索方法[D];中國科學(xué)院研究生院（計算技術(shù)研究所）;2002年

  本文關(guān)鍵詞：基于視覺興趣區(qū)域的相似性分析與圖像推薦，，由筆耕文化傳播整理發(fā)布。

本文編號：302657