基于視覺感知機理的顯著區(qū)域研究.pdf_第1頁
已閱讀1頁,還剩61頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、鷹在高空飛行中能從復雜的自然背景中敏銳地捕獲、跟蹤地面奔跑的獵物。動物視覺系統(tǒng)在感知和捕獲目標時,非常迅捷和準確。動物強大的視覺功能一直吸引著廣大工作者對其視神經信息處理系統(tǒng)進行研究。本課題來源項目《基于視覺感知的運動目標自動跟蹤理論與技術》就是通過模擬動物視覺功能,提取目標的空間特征和運動特征,融合空間和運動特征形成空時顯著圖,來自動檢測與跟蹤運動目標。作為該基金項目一部分,本文嘗試從模型改進、規(guī)格化方法和融合方法三個方面著手,研究目

2、標的空間特征提取,改進興趣圖的生成效果,初步實現(xiàn)目標檢測功能。
   本文首先分析視覺注意模型的研究現(xiàn)狀,討論人類感知系統(tǒng)的結構與特點,對目前廣泛應用的、自底向上的Itti視覺感知模型進行重點研究。針對Itti模型在強背景與噪聲的干擾下,不能注意到所有的物體,甚至不能注意到任何物體的不足,本文在I仕i模型中加入輪廓特征提取,建立了改進模型,并通過實驗驗證該改進模型能較大程度提升興趣圖描述目標區(qū)域的準確性。
   在介紹了

3、模型框架后,本文分析了模型計算過程涉及到的特征圖規(guī)格化方法——全局加強和局部迭代規(guī)格化法。通過對兩者的實驗比較得出局部迭代規(guī)格化生成的興趣圖更滿足稀疏分布,背景和噪聲被有效抑制,更符合人眼的視覺特性。
   鑒于均值融合沒有考慮各個特征圖的優(yōu)先級,使生成的興趣圖不能有效地抑制背景和噪聲的缺點,本文提出了預量機制動態(tài)法。它根據(jù)各特征圖對興趣圖的貢獻程度動態(tài)分配權值來生成興趣圖,并通過實驗證實了預量機制動態(tài)融合比均值融合更能準確地表

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論