當(dāng)我們面對(duì)復(fù)雜場(chǎng)景時(shí),視覺機(jī)制總能幫助我們迅速鎖定到目標(biāo)位置。隨著生物學(xué)、心理學(xué)以及計(jì)算機(jī)科學(xué)的高速發(fā)展,越來越多的研究者開始轉(zhuǎn)向視覺計(jì)算模型的研究。本文將從模型和眼動(dòng)實(shí)驗(yàn)兩個(gè)角度來研究和分析視覺顯著性機(jī)制。本文首先構(gòu)建了一個(gè)模擬視覺行為的自底向上顯著性模型。該模型通過稀疏編碼獲取基于當(dāng)前圖像高階特征的編碼基元,然后提出基于該編碼機(jī)制的稀疏中心-周圍模型,并以此定義局部描述的顯著性,最后加入低階特征形成最終顯著圖。實(shí)驗(yàn)結(jié)果表明,這種基于全局編碼的局部顯著模型優(yōu)于相比較的幾種典型方法,具有較好的預(yù)測(cè)效果。在視覺搜索中,先驗(yàn)知識(shí)往往會(huì)對(duì)視覺點(diǎn)產(chǎn)生較大的影響。為了模擬大腦對(duì)目標(biāo)和圖像的語義理解,本文構(gòu)建一個(gè)基于圖像隱含語義的自頂向下視覺模型。我們采用二維隱馬爾可夫模型進(jìn)行語義推斷,并改進(jìn)Viterbi算法使其適應(yīng)本文拓?fù)浣Y(jié)構(gòu)。實(shí)驗(yàn)結(jié)果表明該模型能夠找出顯著目標(biāo)的位置區(qū)域和形狀,對(duì)遮擋等問題具有較好的魯棒性。為了驗(yàn)證模型的有效性,我們從實(shí)驗(yàn)角度分析了本文模型在目標(biāo)搜索中的應(yīng)用。首先我們利用本文底層模型構(gòu)建了一個(gè)感興趣目標(biāo)檢測(cè)框架,并在標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)中取得了較好的結(jié)果。然后我們結(jié)合EyelinkⅡ眼... 

【文章來源】：上海交通大學(xué)上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：91 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
縮略詞列表
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文主要研究?jī)?nèi)容
    1.4 本文結(jié)構(gòu)
第二章 視覺注意機(jī)制及其相關(guān)計(jì)算模型
    2.1 引言
    2.2 人類視覺感知系統(tǒng)
    2.3 稀疏編碼理論
    2.4 視覺注意機(jī)制模型
        2.4.1 自底向上的視覺模型
        2.4.2 自頂向下的視覺模型
    2.5 小結(jié)
第三章 基于全局稀疏編碼的局部顯著性模型
    3.1 引言
    3.2 模型實(shí)現(xiàn)
        3.2.1 圖像稀疏編碼
        3.2.2 基于全局稀疏編碼的局部區(qū)域顯著性
        3.2.3 圖像低層特征
    3.3 實(shí)驗(yàn)結(jié)果及分析
        3.3.1 主觀視覺結(jié)果分析
        3.3.2 定量指標(biāo)結(jié)果分析
    3.4 模型討論
        3.4.1 顯著圖平滑方法
        3.4.2 中心偏好分析
    3.5 小結(jié)
第四章 基于隱含語義信息的顯著性模型
    4.1 引言
    4.2 模型實(shí)現(xiàn)
        4.2.1 特征提取
        4.2.2 特征描述子的量化編碼
        4.2.3 二維隱馬爾可夫模型及其推斷算法
    4.3 實(shí)驗(yàn)結(jié)果及分析
    4.4 小結(jié)
第五章 視覺模型與眼動(dòng)分析在目標(biāo)搜索中的研究與應(yīng)用
    5.1 引言
    5.2 感興趣目標(biāo)檢測(cè)應(yīng)用
    5.3 底層視覺模型與目標(biāo)搜索
        5.3.1 目標(biāo)搜索實(shí)驗(yàn)
        5.3.2 底層視覺模型引導(dǎo)的目標(biāo)搜索
    5.4 基于語義視覺模型對(duì)視覺點(diǎn)的目標(biāo)信息挖掘
        5.4.1 視覺信息挖掘的意義
        5.4.2 基于語義模型的視覺信息挖掘
    5.5 小結(jié)
第六章 總結(jié)
    6.1 本文總結(jié)
    6.2 研究展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間已發(fā)表或錄用的論文



本文編號(hào)：3174514