视觉选择性注意机制计算模型及其在物体识别中的应用

摘要

目前，主动视觉是机器视觉研究的热点和发展方向。主动视觉的核心内容是：为了完成给定的视觉任务，如何主动、智能、有选择地来获取视觉信息；从计算的观点来说，就是要建立视觉选择性注意机制的计算模型，对图像数据进行显著性度量。　　本文围绕建立视觉注意计算模型展开，主要研究内容包括：　　将尺度、显著性和物体识别放在一个框架下研究。针对在传统机器视觉研究中，尺度、显著性和物体识别多数被分开研究的现状，本文首先分析了三者之间的内在联系和相互关系，得出应该在一个框架中来研究它们的结论；讨论了视觉中的尺度问题和尺度空间表示方法、显著性度量的计算本质以及基于局部不变性特征的识别方法。　　结合尺度与特征引导的视觉注意自下而上的计算模型研究。本文针对隐式注意，建立一个自下而上的结合尺度与特征引导的计算模型。根据神经科学的研究，本文选取强度、颜色和方向三种特征以及尺度引导注意。首先基于视觉感受野和整合野机制建立一种具有竞争和协作双重特性的滤波器对三种特征图进行迭代，形成特征空间显著性度量；然后对图像中主尺度进行估计，建立特征图的尺度空间表示，结合尺度与特征度量显著性，并对注视点进行最佳尺度选择。　　结合视觉注意计算模型和基于局部不变性特征识别的研究。针对复杂背景下的物体识别，讨论了视觉注意和基于局部不变性特征识别的结合，从而使得视觉注意过程中进行的各种早期特征提取和尺度空间表示不像在传统算法中那样被“废弃”，同时通过视觉注意可以改进基于局部不变性特征识别使其获得背景不变性。

目录

文摘

英文文摘

论文说明：答辩委员会、插图清单

独创性声明和学位论文版权使用授权书

致谢

第一章绪论

1.1引言

1.2视觉的相关背景知识

1.2.1视觉系统及视觉信息处理

1.2.2视觉选择性注意机制

1.2.3视觉物体理解

1.3视觉选择性注意机制计算模型的研究现状

1.4本文内容安排

第二章尺度、显著性与物体识别

2.1视觉中的尺度问题

2.1.1传统多尺度表示的方法

2.1.2尺度空间表示

2.2视觉显著性

2.2.1视觉注意中的竞争和协作机制

2.2.2显著性度量方法

2.3视觉物体识别

2.4小结

第三章视觉选择性注意机制的计算模型

3.1本文模型框架

3.2图像描述模型和显著性度量函数

3.2.1主特征图提取

3.2.2显著性度量函数

3.3特征空间显著性

3.3.1基于感受野和整合野机制的度量方法

3.3.2仿真实验

3.4结合尺度和特征的显著性度量

3.4.1尺度选择

3.4.2结合尺度与特征引导的仿真实验

3.5小结

第四章基于视觉选择性注意的物体识别计算模型

4.1问题的提出

4.2基于局部不变性特征的物体识别

4.2.1相关的研究工作

4.3基于视觉注意的物体识别计算模型

4.3.1显著点检测

4.3.2显著点描述与匹配

4.3基于视觉注意的SIFT算法与仿真实验

第五章结束语

5.1本文主要研究工作

5.2进一步的研究思路展望

参考文献

研究生期间主要科研工作及成果