圖像的視覺(jué)顯著性模型理論與方法研究.pdf

1、隨著信息技術(shù)的迅猛發(fā)展,人們希望利用計(jì)算機(jī)來(lái)處理和分析日益膨脹的圖像和視頻數(shù)據(jù),并從中便捷地獲取有用信息,這對(duì)圖像處理與模式識(shí)別的理論方法和技術(shù)提出了更高的要求和挑戰(zhàn)。通過(guò)借助模式識(shí)別手段,圖像處理需要用計(jì)算機(jī)對(duì)圖像進(jìn)行分析,得到所需結(jié)果,最終實(shí)現(xiàn)對(duì)圖像內(nèi)容的理解。為了對(duì)媒體數(shù)據(jù)進(jìn)行智能化處理,人類的視覺(jué)感知和注意力機(jī)制近年來(lái)引起國(guó)內(nèi)外研究者的廣泛關(guān)注。視覺(jué)注意力是人類在分析視覺(jué)場(chǎng)景時(shí),迅速選擇性地找到“重要的”或“感興趣的”部分,而忽

2、略其余部分的一種認(rèn)知能力。通過(guò)視覺(jué)注意力機(jī)制,視覺(jué)系統(tǒng)可以有選擇地著重處理進(jìn)入視野的海量信息中最重要的部分,從而打破大腦和視覺(jué)系統(tǒng)處理信息的瓶頸。在圖像處理和模式識(shí)別領(lǐng)域,圖像顯著性檢測(cè)的目標(biāo)是計(jì)算得到一種能夠反映視覺(jué)注意位置的顯著譜。因此,結(jié)合信息的認(rèn)知機(jī)理和人工智能,對(duì)圖像中的顯著區(qū)域進(jìn)行檢測(cè),實(shí)現(xiàn)顯著對(duì)象的提取,進(jìn)而尋求媒體數(shù)據(jù)的智能化處理新方法是目前學(xué)術(shù)界關(guān)注的重要方向。對(duì)圖像顯著性檢測(cè)進(jìn)行深入地研究,對(duì)于提高圖像處理的效率和模

3、式識(shí)別的準(zhǔn)確率都具有重要的意義。
　　圖像顯著性檢測(cè)主要解決兩方面的問(wèn)題:對(duì)人眼注視位置進(jìn)行預(yù)測(cè)和對(duì)圖像中的顯著區(qū)域進(jìn)行檢測(cè)。針對(duì)這兩方面問(wèn)題,本文通過(guò)深入分析和討論已有研究工作,指出了已有方法的不足和目前亟待解決的問(wèn)題,從“利用人眼視覺(jué)系統(tǒng)的注意力機(jī)制”、“解決基于全局對(duì)比度方法的面積依賴問(wèn)題”、“提高對(duì)象區(qū)域顯著性的一致性”和“嵌入對(duì)象的一般語(yǔ)義特性”等角度開(kāi)展了圖像的視覺(jué)顯著性模型理論與方法的研究工作,主要包括以下幾個(gè)方面:

4、
　　第一,研究了基于顏色局部對(duì)比度的顯著性檢測(cè)問(wèn)題,通過(guò)融合視覺(jué)注意力的“中心-外周”機(jī)制和人眼視覺(jué)系統(tǒng)的空間頻率響應(yīng)特性,建立了一種生物啟發(fā)的中心刺激敏感度模型,并通過(guò)搜索顯著支撐區(qū)域來(lái)模擬神經(jīng)生理學(xué)實(shí)驗(yàn)中感受野的最大響應(yīng),將計(jì)算機(jī)視覺(jué)中的計(jì)算方法與神經(jīng)生理學(xué)的研究成果進(jìn)行了有機(jī)的結(jié)合。
　　第二,針對(duì)傳統(tǒng)方法難以檢測(cè)近景顯著對(duì)象的問(wèn)題,分別建立了基于全局對(duì)比度的顯著性檢測(cè)矢量模型和聯(lián)合空間-顏色約束的像素級(jí)顯著性模型。

5、前者首先通過(guò)推導(dǎo)出一個(gè)基于全局對(duì)比度顯著性檢測(cè)的矢量模型,提出了利用矢量模型進(jìn)行有效的顯著性檢測(cè)的準(zhǔn)則,進(jìn)而通過(guò)引入圖像的空間分布信息,對(duì)矢量模型的特征矢量和均值矢量的構(gòu)建進(jìn)行了優(yōu)化,有效地克服了傳統(tǒng)方法存在的面積依賴問(wèn)題。后者通過(guò)對(duì)傳統(tǒng)的全局對(duì)比度顯著性模型施加空間和顏色約束,并提出了一種兩層顯著性結(jié)構(gòu),實(shí)現(xiàn)了空間-顏色聯(lián)合約束的像素級(jí)顯著譜提取,不但能生成全分辨率、邊界清晰的顯著譜,同時(shí)能夠有效地抑制背景區(qū)域,提升顯著性檢測(cè)的性能。

6、
　　第三,針對(duì)過(guò)分割方法得到的顯著譜難以均勻地突出顯著對(duì)象的問(wèn)題,提出了一種多尺度分割的方法,將像素級(jí)顯著譜擴(kuò)展到區(qū)域級(jí)。該方法通過(guò)多次不同尺度的分割結(jié)果,由像素顯著值得到不同分割尺度下的區(qū)域顯著值,并采用圖像導(dǎo)向?yàn)V波等手段,極大地提高了區(qū)域級(jí)顯著譜的一致性。
　　第四,在自頂向下的顯著性研究方面,為了將對(duì)象的一般語(yǔ)義特征嵌入到顯著性模型中,提出了采用一般的對(duì)象性檢測(cè)結(jié)果和具有低秩特性的背景檢測(cè)結(jié)果作為機(jī)器學(xué)習(xí)的高層次特征