視覺注意的空間拓?fù)浣７椒ㄑ芯?pdf

1、視覺注意建模是生物心理學(xué)、神經(jīng)計算科學(xué)的主要研究內(nèi)容，同時對計算機視覺、人工智能、模式識別和多媒體內(nèi)容分析等多個領(lǐng)域的理論和技術(shù)發(fā)展有很強的促進作用，近年來正受到越來越多的關(guān)注。本文主要研究生物啟發(fā)式的視覺注意計算模型。
　　傳統(tǒng)的視覺注意模型主要存在以下兩個問題：1．沒有考慮到視覺特征所對應(yīng)的生理系統(tǒng)的自身特點，以及各生理系統(tǒng)之間的層級關(guān)系；2．顯著度檢測算子定義在全局上或局部鄰域上，計算過程中引入了很多非活躍信號，沒有考慮特征

2、通道本身的拓?fù)涮匦裕瑥亩鴮?dǎo)致特征判別力的減弱和計算精度的下降。為了解決上述兩個問題，本文從人類自身的視覺系統(tǒng)生理特點出發(fā)，提出了一種層級化的嵌入了拓?fù)浣Y(jié)構(gòu)信息的視覺注意模型( Topology Embedded Attention Model，簡稱TEAM)。TEAM只處理那些有可能激活高層神經(jīng)元的刺激信號（活躍野），并且強調(diào)視覺輸入中拓?fù)湫畔⒌倪\用。TEAM具有分級結(jié)構(gòu)，包括低級、中級、高級和語義級子模塊，分別對應(yīng)了視網(wǎng)膜神經(jīng)節(jié)核團、

3、視覺皮層的簡單細胞核團、復(fù)雜細胞核團以及超復(fù)雜細胞核團的響應(yīng)處理。每一級TEAM子模塊都有單獨定義的視覺特征及顯著度檢測算子。隨著視覺信息由低級神經(jīng)系統(tǒng)向高級神經(jīng)系統(tǒng)流動，TEAM子模塊的視覺特征逐步復(fù)雜，顯著度檢測算子也由較為規(guī)整的空域形式轉(zhuǎn)變?yōu)榱闵⒌耐負(fù)湫问?。TEAM模型的計算復(fù)雜度與視覺信號的復(fù)雜度成正比，因而從生物心理學(xué)角度來講其計算方式更為合理。
　　本文進行了兩組實驗，實驗方法和評估準(zhǔn)則采用國際主流會議和期刊的標(biāo)準(zhǔn)，主

4、要包括對心理學(xué)模式圖像的響應(yīng)和搜索效率分析，以及對自然圖像的響應(yīng)和眼動跟蹤數(shù)據(jù)的分類性能分析。實驗結(jié)果表明，與近幾年的多種代表性注意模型相比，本文提出的TEAM模型具有最佳的顯著度檢測效果和一定的魯棒結(jié)果表明，本文的APA框架，能夠在大眾化的照片評估中較好的體現(xiàn)用戶的主觀感受，在個性化照片評估中也能有效反映出不同用戶的評估偏置。性。
　　考慮到人的感知特點，本文將視覺注意模型應(yīng)用到照片評估上。傳統(tǒng)方法偏重于照片本身的物理屬性（如清