学位论文 > 优秀研究生学位论文题录展示

视觉显著性模型研究及其在影像处理中的应用

作　者: 李志强
导　师: 方涛
学　校: 上海交通大学
专　业: 模式识别与智能系统
关键词: 视觉注意模型高斯金字塔 Gabor金字塔变化检测边缘分组方法机场检测显著性目标显著性图
分类号: TP391.41
类　型: 博士论文
年　份: 2009年
下　载: 754次
引　用: 5次
阅　读: 论文下载

内容摘要

随着仿生学的发展,在计算机视觉研究领域,研究者已使用视觉神经解剖学和神经心理学领域的研究成果指导计算机视觉研究,通过模仿人类视觉特性,构造出更灵活、更先进的计算机视觉算法。视觉注意模型正是基于仿生学发展起来的,其能够快速搜索到人类感兴趣的目标,该类目标被称为显著性目标。该类模型被称为显著性模型。目前,在视觉注意模型研究领域,一个具有代表性的视觉注意模型是Itti模型。该模型是模拟人类自底向上的视觉特性产生的,但作者并没有解释模型中的数学算法为何能够模拟人类的自底向上特性,导致较难理解算法本质,影响显著性模型研究的推进。基于此,本文深入分析了该模型。依据分析,提出了一些新的视觉注意模型,同时将Itti模型应用到遥感影像变化检测中。具体为:1、在Itti模型中,使用高斯金字塔产生强度显著图。在本文研究中,平均金字塔、小波低通金字塔分别能被用于产生强度显著图。实验发现,来自上述三类金字塔的强度显著图彼此非常相似。本文从数学和图像处理角度深入分析了平均金字塔产生的强度显著图。通过分析发现,强度显著图中突出的区域为与背景对比强烈的区域,同时指出,来自于高斯金字塔或小波金字塔的强度显著图具有同样属性。即显著区域仍为与背景对比强烈的区域。2、仍使用Gabor金字塔,但改变金字塔图像结合方式,提出了四种新的生成方向特征图方法,并且它们产生的方向特征图与Itti模型产生的方向特征图相似。本文从数学和图像处理角度深入分析了这些方向特征图,发现在方向特征图中,显著性区域仍为与背景对比强烈的区域。在分析方向特征图过程中,归纳出了函数或算法能用于产生方向特征图的条件,基于这些条件,理论上推测出一些现有算法能够被用于产生方向显著图。其中有一个条件,Gabor函数不完全满足。如果能够提出一个函数,完全满足该条件,将产生更好的方向特征图。3、基于归纳出的生成方向特征图条件,构造了三个新的用于产生方向特征图的函数。其中一个函数相似于Gabor函数,其产生的方向特征图相似于Gabor函数产生的方向特征图。其它两个函数比Gabor函数和刚提及的函数简单,但能完全满足Gabor函数不完全满足的条件,因此能产生更好的方向特征图。实验证实了该结论。4、基于归纳出的产生方向特征图条件,提出了两种新的产生显著图方式。一种是使用图像离散余弦变换相位谱信息产生显著图;另一种是使用小波变换产生显著图。通过实验发现,两类方法产生的显著图都能较准确突出人类关注的目标。5、深入分析Itti模型产生颜色显著图部分发现,产生颜色显著图方式相似于产生强度显著图方式。不同之处,仅为输入的数据不同。一为强度分量,另一为颜色分量。基于此,推断出平均金字塔、小波低通金字塔也能被用于产生颜色显著图。强度显著图中突出的区域为与背景对比强烈的区域,方向显著图中突出的区域仍为与背景对比强烈的区域。由此,推断出所有产生方向显著图的方式都可用于产生颜色显著图。此外,本文还深入分析了Itti模型对噪声鲁棒的原因,并指出其存在的不足。6、在遥感影像变化检测中,噪声是影响变化检测准确性的一个重要因素。本文将视觉显著性模型应用到变化检测,减少噪声对变化检测的影响,提高检测的准确性。此外,本文还深入研究了边缘分组模型。该类模型又被称为形状显著性模型,属于视觉注意模型。通过研究发现,目前大部分边缘分组模型仅考虑完全形态心理学中的封闭性、紧凑性、平滑性、对称性和凸性几个指标,没有将完全形态心理学的平行性指标引入边缘分组。基于此,本文将完全形态心理学的平行性指标引入边缘分组,构建了一个新的边缘分组模型,用于检测遥感影像中的机场目标。

全文目录

摘要  3-5
ABSTRACT  5-12
第一章绪论  12-22
  1.1 引言  12-13
  1.2 国内外研究现状  13-17
    1.2.1 基于区域信息的显著性计算模型研究现状  13-14
    1.2.2 基于边缘信息的显著性计算模型研究现状  14-17
  1.3 本文的主要研究内容及组织结构  17-22
    1.3.1 本文的主要研究内容  17-20
    1.3.2 本文的组织结构  20-22
第二章视觉选择注意研究综述  22-32
  2.1 视觉选择注意及其研究内容  22-25
    2.1.1 视觉选择注意  22-23
    2.1.2 视觉选择注意理论研究内容  23-25
  2.2 视觉选择注意计算模型研究内容与应用现状  25-27
    2.2.1 视觉注意计算模型研究内容  25-26
    2.2.2 视觉注意计算模型的应用现状  26-27
  2.3 一个经典的视觉注意计算模型  27-31
    2.3.1 Itti 显著性计算模型  27-30
    2.3.2 实验结果  30-31
  2.4 本章小结  31-32
第三章基于低频金字塔的强度显著图计算与分析  32-48
  3.1 基于低频金字塔的强度显著图分析  32-42
    3.1.1 基于最近邻插值的强度特征图分析  33-38
    3.1.2 基于双线性插值的强度特征图分析  38-41
    3.1.3 叠加强度特征图形成的强度显著图  41
    3.1.4 基于低频金字塔的强度显著图分析  41-42
  3.2 基于不同低频金子塔的强度显著图实验与分析  42-47
    3.2.1 基于高斯金字塔的显著性图  42-43
    3.2.2 基于平均金字塔的强度显著图  43-44
    3.2.3 基于小波低通金字塔的强度显著图  44-46
    3.2.4 比较本章方法的实验结果与[22]中方法的实验结果  46-47
  3.3 本章小结  47-48
第四章方向显著图的计算分析及新方法提出  48-101
  4.1 基于GABOR 金字塔的显著图分析及方法拓展  48-71
    4.1.1 Gabor 金字塔  48-51
    4.1.2 几种新的基于 Gabor 金字塔的方向特征图  51-53
    4.1.3 分析基于Gabor 金字塔1 的方向特征图  53-54
    4.1.4 模拟一维条件下产生方向特征图方式并分析该特征图  54-65
    4.1.5 叠加方向特征图形成的方向显著图  65-66
    4.1.6 方向显著图对比实验  66-70
    4.1.7 讨论  70-71
  4.2 三种新的方向显著图生成函数  71-85
    4.2.1 四个用于判断函数能否用于产生方向显著图的条件  72-73
    4.2.2 倒数余弦函数  73-75
    4.2.3 分析倒数余弦滤波函数是否满足四个必要条件  75-77
    4.2.4 倒数函数和指数函数  77-78
    4.2.5 判断一维倒数函数和一维指数函数是否满足修改的必要条件3  78-79
    4.2.6 实验对比三种新的函数产生的显著图  79-85
  4.3 基于小波变换的显著性模型  85-94
    4.3.1 模型描述  86-90
    4.3.2 与其它方法实验对比  90-94
  4.4 基于离散余弦变换相位谱的显著性模型  94-99
    4.4.1 离散余弦变换和图像相位谱  94-96
    4.4.2 基于图像彩色信息相位谱的显著性模型  96-97
    4.4.3 与Itti 模型和Hou 模型实验对比  97-99
  4.5 本章小结  99-101
第五章颜色显著图计算及方法拓展  101-113
  5.1 颜色显著图计算分析及方法拓展  101-102
  5.2 分析ITTI 模型对噪声鲁棒的原因  102-103
  5.3 不同颜色显著图生成方法实验对比分析  103-109
    5.3.1 由低频金字塔产生的颜色显著图  103-106
    5.3.2 与[22]的实验结果进行对比  106-107
    5.3.3 由Gabor 金字塔产生的颜色显著图  107-109
  5.4 ITTI 模型对噪声鲁棒性分析讨论  109-112
  5.5 本章小结  112-113
第六章基于视觉注意和上下文的无监督变化检测  113-123
  6.1 基于视觉注意的噪声去除方法  114
  6.2 基于上下文方法的有效变化信息提取  114-118
    6.2.1 贝叶斯决策方法和EM 算法确定变化区域  115-116
    6.2.2 基于马尔可夫模型变化区域后处理  116-118
  6.3 实验分析与讨论  118-122
    6.3.1 两期遥感影像实验结果  118-120
    6.3.2 模型对噪声的鲁棒性分析  120-122
  6.4 本章小结  122-123
第七章基于平行性的边缘分组方法及其在遥感影像机场检测中的应用  123-140
  7.1 基于平行性的边缘分组方法  124-130
    7.1.1 基于平行性的边缘分组算法描述  124-125
    7.1.2 边缘分组中平行直线段权重的确定  125-127
    7.1.3 顾及平行性的图模型构建  127-130
  7.2 遥感影像机场检测  130-139
    7.2.1 平行性结构检测的分析与讨论  131-133
    7.2.2 遥感影像复杂场景机场目标检测  133-139
  7.3 本章小结  139-140
第八章结论与展望  140-143
  8.1 主要结论  140-141
  8.2 研究展望  141-143
参考文献  143-153
回顾与致谢  153-156
读博士学位期间已录用或已投的论文与参与的科研项目  156-159

视觉显著性模型研究及其在影像处理中的应用

内容摘要

全文目录

相似论文