自底向上的视觉显著区域自动提取技术研究

作     者：张杰 

作者单位：山东大学 

学位级别：硕士

导师姓名：孙建德

授予年度：2012年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：视觉注意模型 注意机制 显著性 显著区域提取 图像自适应 

摘      要：随着多媒体信息技术的深入研究,关于人如何理解图像的研究越来越受到关注,对于建立人眼视觉注意模型自动提取显著区域的研究逐渐成为了多媒体处理领域中的研究热点,并且开始在图像内容分析、图像检索、图像质量评价、压缩、场景的监控、图像/视频的自适应等方面进行应用。因此,如何建立更符合人眼关注特性的视觉注意模型就成为了国内外研究的重点。 本论文首先介绍了视觉注意模型构建的基本知识,包括：人类视觉系统的生理特性、视觉注意机制、以及基于两种不同机制构建的视觉注意模型;然后重点介绍了一种基于多尺度低层特征局部对照的视觉注意模型,以及在此基础上提出一种基于局部和全局特征对照和特征融合的视觉注意模型;本论文还关注了视觉注意模型自动提取显著区域在图像和视频分析领域的具体应用,分别研究了视觉显著区域提取在图像自适应上的应用以及基于时空域显著模型的视频场景的分析,论文最后还介绍了对Stentiford视觉注意模型的改进及其在图像拷贝检测上的潜在应用。 本论文的主要贡献包括以下四个方面： （1）提出一种基于多尺度低层特征局部对照的视觉注意模型。该模型在Itti模型构建思想的基础上进行改进,代替以往的中央周边差计算,采用新的基于多尺度的局部特征对照的方法来提取图像的显著区域,提取的显著区域的效果优于Itti模型;（2）提出了一种基于局部和全局特征对照和特征融合的视觉注意模型,即基于跨层特征融合的视觉注意模型。在构建该模型的过程中,不仅考虑局部特征对照在形成显著图中的作用,而且也从全局的角度考虑,并且不同于以往对局部和全局特征对照采取地简单线性加和的方法,在本方法中,我们以全局特征优先感知为原则,通过局部和全局特征线性加和构成加权模型,对全局显著模型进行加权,得到最终的显著区域。该注意模型提取的显著区域准确完整,而且显著区域的显著性相对于非显著区域更加明显;（3）介绍了基于视觉注意模型自动提取显著区域在图像自适应中的应用。在提出的基于跨层特征融合的视觉注意模型提取显著区域的基础上,提出了一种新颖的图像自适应方法和动态浏览策略;（4）介绍了视觉注意模型自动提取显著区域在视频分析中的初步应用。在空域显著图的基础上,引入时域因素（运动特征）的影响,通过时域与空域特征的有效融合得到时空域显著模型,并将其应用到视频场景的监控中;（5）基于已有的经典的Stentiford视觉注意模型进行改进。同时,利用改进后的注意模型对各种拷贝处理后的图像进行显著区域提取,其提取的显著区域具有较好的稳定性,为图像拷贝检测提供有价值的参考特征。