《[硕士论文精品]基于视觉注意机制的物体显著性研究》由会员分享，可在线阅读，更多相关《[硕士论文精品]基于视觉注意机制的物体显著性研究（63页珍藏版）》请在金锄头文库上搜索。
1、 基于视觉注意机制的物体显著性研究 上海交通大学硕士学位论文 I 基于视觉注意机制的物体显著性研究基于视觉注意机制的物体显著性研究 摘 要 摘 要 物体显著性研究是计算机视觉领域的热点问题之一，模拟人眼视觉注意特性的显著区域提取方法是其中一条重要的研究途径。 目前为止，针对静态图像已有较为成熟的显著区域提取方法进行处理。对于视频，人的视觉系统有一个重要的特点，不仅需要考虑物体的静态显著度（如亮度、颜色、与周围物体对比度） ，而且需要考虑物体的运动显著度。如何设计物体显著区域提取方法，从而接近甚至达到人眼视觉注意性能，仍然具有挑战性。 视觉研究本身是一个跨学科领域的问题，涉及到计算机视觉及神经生
2、物学这两个截然不同的学科。 本论文研究视觉注意特征和物体显著性提取算法， 主要从计算机视觉这一角度出发进行阐述， 内容上，本论文就近年来在此领域内的进展作一综述， 并着重分析自底向上的显著性提取模型； 而后以计算机视觉的语言详细解析视频中物体的运动显著性和静态图像中物体的显著性， 设计和提出了基于视觉注意机制的物体显著性提取算法，并完成了相关实验。实验结果表明了这种物体显著性提取方案的可行性。 本论文的主要工作和创新点包括以下几个方面： 基于视觉注意机制的物体显著性研究 上海交通大学硕士学位论文 II 1. 研究和比较了视觉注意领域内的物体显著性提取模型和算法，并分析其优缺点。 2. 基于视觉
3、注意特征，提出视频中物体的运动显著性提取算法。首先对视频进行分割，对于一组连续的视频帧序列，通过块匹配算法得到运动向量表示，然后从视频帧中提取区域显著特征，接着给出基于运动向量的运动显著性提取算法，建立算法的基本框架。 3. 研究静态图像中物体显著性的提取方法， 分析了谱残余算法和增量编码长度算法的流程。 相对于传统特征提取方法得到的静态显著图，谱残余算法更加明显地突出显著区域，增量编码长度算法具有一定的神经生物仿生依据。 4. 从视觉注意机制上考虑视频中物体的整体显著性， 分析了运动显著性和静态显著性对视觉注意的影响， 提出通过混合准则构成物体的整体显著性，给出了合成方法。计算机实验结果显示
4、提出的算法有不错的效果。 关键词关键词: 视觉注意，物体显著图，运动向量，谱残余，增量编码长度 基于视觉注意机制的物体显著性研究 上海交通大学硕士学位论文 III Object Salience Detection Based on Visual attention Mechanism Abstract Object salience detection is an important problem in Vision. It is a basic research way to detect salient regions which can imitate the human-eye v
5、ision characteristic. Although there exist a number of working algorithms and systems for static image salience, to develop a salient region detection algorithm for video, is still challenging. One important feature of human vision mechanism is that for video human not only tends to pay attention to
6、 the static saliency including brightness, color, contrast to surrounding areas, but also pay attention to the motion saliency of the object. Vision Research is interdisciplinary, covering a variety of fields from Computer Vision to Neurobiology. This thesis is about research work on visual attentio
7、n features and object salience detection algorithms with an emphasis in the regime of Computer Vision. We firstly make a survey on recent achievements of salience detection. In addition, one primary approach, the bottom-to-up model, is further studied. Then the detection 基于视觉注意机制的物体显著性研究 上海交通大学硕士学位论
8、文 IV of the motion salience in video and the static salience in image is elaborated and analyzed in this thesis. Based on the insights, an object salience detection algorithm is developed and experiment results show that it is indeed practical. The main contributions of this thesis are as follows: 1
9、. Research and compare the advantages and disadvantages of object salience detection models and algorithms. 2. Based on the feature of visual attention, we propose an algorithm to detect motion salience in video. We firstly partition the video to get a series of frame segments, then detect the salie
10、nce feature from motion vectors by block-matching algorithm. A motion salience detection algorithm is then given based on the motion vector. 3. Practical models and solutions of static image salience detection are given. We analyze the spectral residual and incremental coding length algorithms. Comp
11、ared to traditional feature-based methods, they show more distinct salience regions and relation with neurobiology. 4. The integral object salience detection algorithm is designed based on the visual attention mechanism. We propose a fusion rule to construct the integral salience according to the vi
12、sual attention effects of motion salience and static salience. The experiment results prove that this 基于视觉注意机制的物体显著性研究 上海交通大学硕士学位论文 V algorithm leads to good performance and thus is applicable. Key word: Visual attention，Saliency map，Motion vector，Spectral residual，Incremental coding length 基于视觉注意机制
13、的物体显著性研究 上海交通大学硕士学位论文 1 第一章 绪论 第一章 绪论 人类具有实时高效地注意周围事物的能力，当我们睁开双眼，大量的信息进入眼帘，然而我们并不是被动地接受所有的信息。相反地，我们选择视觉场景中的特定部分进行进一步地分析，而忽略其它不相关的部分。这一项能力每时每刻都在使用之中，以帮助完成日常生活中遇到的几乎所有的大小事务，以至于在很长时间内，人类似乎没有意识到这种能力的存在，而直接将“注意到的东西”作为物体的客观真实而认识。事实上，这看似简单的过程实质上蕴藏着极为庞杂的细节，人类视觉系统采取一种串行的计算策略，根据图像的特征，选择图像的特定区域，并通过快速的眼动扫描，将该区域
14、移到具有高分辨率的视网膜中央凹区，实现对该区域的注意，以便对其进行更精细的观察和分析。迄今为止，人类并没有完全掌握这些细节， 并且同时也没能够设计出能与人类视觉注意能力相匹敌的计算机系统。 视觉注意机制，特指位于视觉系统顶层的观察者所具有的对视觉场景中最相关区域进行选择和处理的能力。 这种对输入视觉图像中相关信息进行选择的能力是人类视觉系统所具有的最重要的能力之一， 确保视觉系统对输入信息进行优化。 大量的心理学研究表明，人类的视觉注意机制大致分为两个阶段：预注意阶段（preattentive stage）和注意阶段（attentive stage） 。在预注意阶段，视觉神经并行地处理原始刺激
15、信号，并获得低层次的物体表示。然后进入注意阶段，从低层次的物体表示中提取特定的区域用于进一步的分析。被提取的区域称为注意区域或注意物体。 人类的视觉系统关注于某个场景是由一系列潜在的不同因素所决定的。其中物体显著性是一个重要的决定性因素。物体显著性，特指视觉场景中能够引起视觉注意的的物体所具有的特性。 物体在视觉系统中引起刺激性对于选择注意区域非常重要。Yarbus 证明了注意区域的任务相关本质1。扫视一个简单图形或物体，注意区域往往是物体的中心23。当观察一幅自然图像时，人类视觉系统倾向于注意具有高局部对比的区域，如边缘等4。Abrams 等提出运动是吸引注意的重要因素5。研究者普遍认同，显
16、著点能够引起人类的视觉注意。一般认为，物体具有的引起注意的属性有颜色、纹理、亮度、对比度、运动等。 基于视觉注意机制的物体显著性研究 上海交通大学硕士学位论文 2 1.1 视觉注意机制与物体显著性概述 1.1 视觉注意机制与物体显著性概述 目前，视觉注意机制的主要应用有： ? 目标检测：通过视觉注意机制，使待检测目标在显著性区域中得到明显增强，从而有利于检测的实现。 ? 自然图像压缩：通过视觉注意机制，对图像中显著性区域采用低压缩比，而对剩余背景部分采用高压缩比，达到图像压缩的目的。 ? 图像检索：通过视觉注意机制得到显著区域或显著点，然后提取相应特征，并与图像特征库中的图像特征进行比较，得到检索结果。 ? 视觉界面设计：利用视觉注意机制优化视觉界面，使用户准确、高效、轻松地获取视觉界面信息，提高用户效率。 基于视觉注意机制的物体显著性技术的研究范围大致有如下几个方面： ? 静态图像的物体显著性：即从静态图像中提取物体的颜色、亮度、对比度等对注意产生影响的信息，通过特征提取，特征选择等方式，得到物体的显著性。 ? 动态视频的物体显著性：即从动态视
