基于图谱视觉注意模型的研究

《基于图谱视觉注意模型的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、重庆大学硕士学位论文中文摘要摘要视觉注意计算模型以神经心理学、认知科学、解剖学等领域的研究成果或假说为基础，利用数学模型模拟人类的视觉感知系统，是目前数字图像处理的研究热点，它将存在待检测目标的人眼感兴趣区域视为图像中某些特征显著的像素点的集合，通过寻找图像中的显著点来检测感兴趣区域。在目标检测、场景监控、图像检索等众多图像处理任务中，通过视觉注意计算模型检测出图像中感兴趣区域，将系统资源集中于此区域进行计算分析，相对于图像中所有区域赋予相同优先级的处理方法，降低了处理过程的计算量，为后续处理提供很大便利。基于图论的图像处理技术是近

2、年来国际上图像处理领域的一个新的研究热点，在图像分割领域中已经获得广泛的应用。该方法将一幅图像映射成一个加权的无向图，其中像素点被当作图中的顶点，而相邻的像素之间的视觉性质（例如灰度级别，颜色或者纹理）的相似性当作相应的边的权值，于是对图像的处理就可以通过对图的运算来获得。论文主要针对自下而上的注意模型展开研究，分析了Itti和Harel两种模型的不足，提出了一种基于度的计算的视觉注意模型。论文的主要研究内容和贡献在于：1、介绍了视觉注意机制及其研究现状，并综述了注意机制的生理心理学基础和Itti、Harel两种注意模型。2、详细介

3、绍了基于度的计算的视觉注意模型，分析了模型的具体计算过程，主要包含初级视觉特征的提取和特征显著图合并策略。3、在提取初级视觉特征时采用了3层金字塔结构数据，而Itti模型和Harel则分别需要9层和4层数据，有利于减少计算量。4、在计算显著图时，采用度的计算方法来计算特征图，该算法原理简单易于实现，并且效果上优于其他两种模型。实验表明，改进后的模型在计算量不是很大的情况下，能有效地检测出图像中的感兴趣区域，而且能改善Itti模型在检测图像中的感兴趣区域时存在的漏检测和检测顺序不合理的缺陷。关键词：视觉注意，图论，度I重庆大学硕士学位

4、论文英文摘要ABSTRACTVisualattentionmodel,whichisbasedonstudiesandhypothesesonneuralpsychology,epistemologyandanatomy,usesmathmodeltosimulatehumanvisualsystem.Visualattentionmodeldetectstheregionsofinterestbydetectingprominentpointsinanimage,forittakestheregionsofinterestwhic

5、hcontainpotentialtargetasthemusterofpointsthathaveprominentfeatures.Ithasbecomeahottopicinthedigitalimageprocessingfield.Inimageprocessingtaskssuchastargetdetection,surveillanceandimageretrievel,itwouldbemoreconvenitenttofocusonregionsofinterestdetectedbyvisualattentio

6、nmodelthanfocusonthewholeimage.Graphtheorybasedimageprocessingisnewlydevelopingtechniqueinrecentyears.Itisdevelopedgreatlyintheimagesegmentation.Theimageismappedintoaweightedundirectedgraphandthepixelsareconsideredasvertexesandthesimilaritybetweenthevisualproperties(e.

7、g.graylevelintensity,colorortexture)ateachpairofneighboringpixelsisassignedastherespectiveedgeweight.Thereforetheimageprocessingcanbeobtainedbycomputingthegraphwithsomearithmetices.Thisthesisstudiesonbottom-upvisualattentionmodel.TheshortageofbothItti’smodelandHarel’sm

8、odelisinvestigatedandanewmodelisproposed,thevisualattentionmodelbasedoncomputingdegree.Mainworksandcontentofthispaper