近年來(lái),通過(guò)視覺(jué)顯著區(qū)域檢測(cè)來(lái)獲得圖像中的感興趣區(qū)域,已經(jīng)成為計(jì)算機(jī)視覺(jué)領(lǐng)域的熱門之一。感興趣的區(qū)域即為顯著性的區(qū)域,而對(duì)顯著區(qū)域進(jìn)行識(shí)別最為有效的方法則是建立一套視覺(jué)注意模型。通過(guò)以往的研究發(fā)現(xiàn),視覺(jué)注意模型的建立通常離不開視覺(jué)注意機(jī)制,而視覺(jué)注意機(jī)制又可以分為兩種不同的方法:自下而上的視覺(jué)注意以及自上而下的視覺(jué)注意。自下而上的注意是由數(shù)據(jù)驅(qū)動(dòng),是受底層信息所影響的;而自上而下的注意則是任務(wù)驅(qū)動(dòng)的,是受高層語(yǔ)義信息影響的�，F(xiàn)有的顯著區(qū)域檢測(cè)方法往往只包含一種視覺(jué)注意機(jī)制,使得檢測(cè)結(jié)果與人眼真實(shí)看到的存在一定的差距,針對(duì)這種問(wèn)題,本文結(jié)合自下而上和自上而下兩種視覺(jué)注意機(jī)制,建立一套自己的視覺(jué)注意模型,主要工作包括:（1）分析了經(jīng)典的Itti算法提取圖像特征的優(yōu)缺點(diǎn),提出了結(jié)合自下而上和自上而下兩種視覺(jué)注意機(jī)制對(duì)圖像進(jìn)行特征提取的方法。在自下而上的視覺(jué)注意中,提出了使用之前沒(méi)有應(yīng)用到顯著區(qū)域檢測(cè)領(lǐng)域的Dense Sift方法進(jìn)行特征提取,并將該方法得到的特征加入到分類器中進(jìn)行訓(xùn)練,分析實(shí)驗(yàn)結(jié)果,驗(yàn)證使用Dense Sift方法進(jìn)行顯著性檢測(cè)的可行性。在自上而下的視覺(jué)注意中,通過(guò)進(jìn)行眼動(dòng)實(shí)... 

【文章來(lái)源】：北京交通大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－１顯著區(qū)域檢測(cè)應(yīng)用??

北京交通大學(xué)碩士專業(yè)學(xué)位論文?引言??替?zhèn)鹘y(tǒng)已有的Ｉｔｔｉ特征提取方法，并在訓(xùn)練階段采用學(xué)習(xí)效果更好的Ｍｏｄｅｓｔ??Ａｄａｂｏｏｓｔ分類器。從而在精度、時(shí)間上對(duì)顯著性檢測(cè)算法進(jìn)行改進(jìn)和提高。??本文通過(guò)眼動(dòng)實(shí)驗(yàn)獲取訓(xùn)練集圖像的注視點(diǎn)圖，將多個(gè)被試者的注視點(diǎn)圖進(jìn)??行疊加、高斯卷積得到“ｇｒｏｕｎｄｔｒｕｔｈ”顯著圖，在顯著圖中提取正負(fù)樣本點(diǎn)用于??后期分類訓(xùn)練。使用Ｄｅｎｓｅ?Ｓｉｆｔ方法對(duì)圖像進(jìn)行密集特征提取，同時(shí)加入水平線、??中心點(diǎn)等中層特征，將這些特征與通過(guò)眼動(dòng)實(shí)驗(yàn)得到的圖像上的正負(fù)樣本點(diǎn)加入??到Ａｄａｂｏｏｓｔ分類器中進(jìn)行訓(xùn)練，最終得到ＤＥＮＳＡ顯著性模型用于進(jìn)行圖像顯??著區(qū)域檢測(cè)。最后使用顯著性評(píng)價(jià)指標(biāo)ＲＯＣ來(lái)與現(xiàn)有的顯著性檢測(cè)算法進(jìn)行比??較，測(cè)試模型的性能。圖１－２為本文提出的ＤＥＮＳＡ模型框架。??焦點(diǎn)圖?ＧｒｏｕｎｄＴｒｕｔｈ?ＪＥ負(fù)樣本點(diǎn)??

提高計(jì)算機(jī)的信息處理的效率。視覺(jué)注意計(jì)算也是一個(gè)多科學(xué)交叉的研究領(lǐng)域，??對(duì)人工智能、認(rèn)知心理學(xué)和計(jì)算機(jī)圖像處理等學(xué)科有著重要的意義。??為了更好的理解視覺(jué)注意機(jī)制，圖２－１展示了三張視覺(jué)注意的案例圖，通過(guò)??觀察三張案例圖，我們發(fā)現(xiàn)ａ中的白色圓圈、ｂ中的黑色圓形、ｃ中的不同方向??的線段都能迅速引起我們的注意，出現(xiàn)這種現(xiàn)象的原因就是視覺(jué)注意機(jī)制在起作??用。??＃?Ｙ／／／，Ｙ，??？？？？？?■■■■?Ｙ＂，Ｙ／ｔ??ａ）?ｂ）?ｃ）??圖２－１視覺(jué)注意案例圖??Ｆｉｇ．２－１?ｔｈｅ?ｅｘａｍｐｌｅ?ｏｆ?ｖｉｓｕａｌ?ａｔｔｅｎｔｉｏｎ??從上面的案例發(fā)現(xiàn)，選擇性是視覺(jué)注意機(jī)制最根本的功能之一，表現(xiàn)為不是??６??

【參考文獻(xiàn)】：
期刊論文
[1]基于Local特征和Regional特征的圖像顯著性檢測(cè)[J]. 郭迎春,袁浩杰,吳鵬.  自動(dòng)化學(xué)報(bào). 2013(08)



本文編號(hào)：3404421