学位论文 > 优秀研究生学位论文题录展示

复杂目标视觉注意模型研究

作 者: 暴林超
导 师: 周成平
学 校: 华中科技大学
专 业: 模式识别与智能系统
关键词: 选择性注意 视觉注意模型 视觉搜索 显著性图斑 目标检测
分类号: TP391.41
类 型: 硕士论文
年 份: 2011年
下 载: 37次
引 用: 0次
阅 读: 论文下载
 

内容摘要


选择性注意是人类感知系统从外部环境中获取感兴趣信息的重要生理机制,也是对大脑有限的信息处理资源进行高效应用的重要步骤。在计算机视觉研究领域,通过模拟人类视觉系统的选择性注意机制,可以使计算机完成一些在复杂场景中提取感兴趣信息的任务。人眼在场景中进行扫描时根据视觉刺激的显著性来转移注意力,而视觉刺激的显著性不仅来自于视觉刺激本身,也来自于人类大脑的影响和控制。在视觉注意机制中,这两类因素分别被称为自底向上信息和自顶向下信息。相应地,模拟这两类因素引导视觉注意力的模型分别被称为数据驱动、自底向上类视觉注意模型和任务引导、自顶向下类视觉注意模型。本文对这两类模型中具有代表性的模型进行了研究。根据目前认知神经科学领域的不同理论和观点,相应的自顶向下类视觉注意模型的研究出现了较多的分支和方向。然而,现有的此类模型均存在一定的局限性,与人眼的生物行为学实验结果并不一致。本文主要研究如何在自顶向下视觉注意模型中引入更全面的给定目标的知识,并提出一种基于目标结构化表示的视觉注意模型用于在场景图像中关注复杂目标。新模型通过对给定目标的图像进行学习,提取显著性图斑并使用图斑组成的图结构表征目标知识,在视觉注意的过程中引入该知识,使得注意焦点更快地在场景中关注到目标。在新模型中,基于“秩相关”的理论和计算方法提出了一种图斑特征编码方式及其相似性度量方法;采用一种改进的简化邻接表的方式表征图斑组成的图结构;设计了一种图斑搜索及合并策略来模糊匹配图斑组合,通过合并与目标知识相似的图斑组合来输出注意焦点区域。实验表明,新模型可以通过学习有效地引入复杂目标的多元特征显著信息和结构信息,降低无效关注次数,提高视觉注意的效率,更完整地关注到复杂目标。新模型可以应用于在自然场景图像中快速定位复杂结构目标的任务中。

全文目录


摘要  4-5
Abstract  5-7
目录  7-9
1 绪论  9-15
  1.1 研究的目的和意义  9-10
  1.2 国内外研究现状  10-13
  1.3 主要研究内容  13-15
2 基于数据驱动的视觉注意模型  15-26
  2.1 引言  15
  2.2 Itti 的经典视觉注意计算模型  15-24
    2.2.1 线性滤波  16-18
    2.2.2 高斯金字塔  18-19
    2.2.3 中央周边差  19-20
    2.2.4 特征图的合并与显著图  20-23
    2.2.5 关注焦点的定位与转移  23-24
  2.3 Walther 对Itti 模型的改进  24-25
  2.4 本章小结  25-26
3 基于任务引导的视觉注意模型  26-33
  3.1 引言  26
  3.2 Navalpakkam 的自顶向下视觉注意模型  26-29
  3.3 基于对象积累的视觉注意模型与显著性图斑  29-31
  3.4 本章小结  31-33
4 基于目标结构化表示的视觉注意计算模型  33-53
  4.1 引言  33
  4.2 模型概述  33-36
  4.3 特征图生成及图斑提取  36-37
  4.4 图斑特征编码及图斑相似性度量  37-39
  4.5 目标的图斑结构化表示  39-41
  4.6 图斑搜索及合并策略  41-43
  4.7 实验与分析  43-52
    4.7.1 模型在视觉搜索任务中的应用  43-44
    4.7.2 实验环境  44-45
    4.7.3 实验过程与实验结果  45-48
    4.7.4 对比实验  48-51
    4.7.5 实验分析  51-52
  4.8 本章小结  52-53
5 总结与展望  53-56
  5.1 研究工作总结  53-54
  5.2 论文的创新之处  54
  5.3 进一步的研究展望  54-56
致谢  56-58
参考文献  58-62
附录1 攻读硕士学位期间发表的论文目录  62

相似论文

  1. 双传感器图像联合目标检测及系统实现研究,TP391.41
  2. 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
  3. 移动机器人视觉检测和跟踪研究,TP242.62
  4. 基于运动目标轨迹分析的智能交通监控系统,TP277
  5. 基于视频的运动目标检测与跟踪方法应用研究,TP391.41
  6. 基于支持向量机的视频目标检测方法研究,TP391.41
  7. 基于主动视觉的运动目标检测与跟踪研究,TP391.41
  8. 嵌入式多参数环境智能监测系统的设计与实现,TP274
  9. 视频监控运动目标检索方法研究,TP391.41
  10. 安防监控系统中运动目标检测算法研究,TP391.41
  11. 基于视频监控的特定目标识别研究,TP391.41
  12. 基于图像信息的运动目标检测与跟踪算法研究,TP391.41
  13. 运动目标检测与跟踪的研究,TP391.41
  14. 视频图像中的运动目标检测与跟踪,TP391.41
  15. 基于Davinci技术的车辆检测与跟踪算法的研究与实现,TP301.6
  16. 高光谱影像图谱信息目标检测研究,TP391.41
  17. 运动目标跟踪系统的设计与实现,TP391.41
  18. 智能视频监控中的目标检测技术研究,TP391.41
  19. 多摄像头目标检测与跟踪方法研究,TP391.41
  20. 基于认知特征的服装风格自主分类的研究与实现,TS941.11

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com