基于視覺感知機理的顯著區(qū)域研究.pdf

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