人类视觉注意机制在目标检测中的应用

根据人类视觉感知理论，在介绍了两种比较有代表性的视觉注意模型的基础上，采用bottom—up控制策略的预注意机制和top—down控制策略的注意机制，提出了一种适用于自动目标识别的目标检测算法。从输入图像出发，采用Gabor算子建立多尺度、多方位的多通道图像，通过全波整流和各通道间的对比度增益控制，得到多尺度、多方位的方位特征图，这些特征图的线性组合则为显著性图。给出了仅采用bottom—up控制策略的船舶目标检测实验结果，待检测目标在显著性图中得到明显增强，有利于检测的实现。  

协同模式识别中不平衡注意参数的研究

本文讨论了协同模式识别基础动力学方程中注意参数不平衡情况下的动力学行为，证明了势函数的稳定不动点分布状况，并给出了注意参数的一些重要性质，以指导有选择性偏向的模式识别研究。  

基于视觉注意模型和进化规划的感兴趣区检测方法

根据生物注意机制，该文提出了一种基于视觉注意模型和进化规划的感兴趣区检测方法。采用进化规划方法分割图像候选区域；区域兴趣度由视觉注意模型产生的局部显著和进化规划计算的全局显著共同度量。在视觉注意模型中，图像经过小波多尺度变换和计算中央周边差得到局部显著度。注意焦点在显著度增强因子的作用下，选取候选区域得到感兴趣区。实验结果表明，所提方法检测的感兴趣区更接近人眼的视觉注意机制，并取得了较为满意的对象检测和兴趣度量结果。  

智能化交通视频图像处理技术研究

简单概述了交通监控系统中涉及的视频图像处理技术的主要内容,包括目标检测、跟踪、行为理解与事件发掘等,并针对若干问题的解决展开了讨论,提出了一种基于注意机制的交通视频分析和多传感器融合监控框架,以提升视频智能化分析的主动性和实时性.  

高分辨率遥感影像感兴趣区域快速检测

传统高分辨率遥感影像感兴趣区域的检测方法通常要利用先验知识库对整幅影像进行全局分析与搜索,具有很高计算复杂度。从人眼视觉特性出发,提出一种新的高分辨率遥感影像感兴趣区域快速检测算法。基于视觉关注模型对高分辨率遥感影像进行空间降维,确定视觉关注焦点;根据关注焦点位置在原始遥感影像中描述出相应的感兴趣区域。实验结果表明,新方法不仅具有较低计算复杂度,而且有效避免了影像分割、特征检测等计算复杂度较高的全图搜索方法,提高了高分辨率遥感影像感兴趣区域的检测效率。  

一种不平衡注意参数条件下的遗传协同学习算法

 本文讨论了目标识别的协同方法在不平衡注意参数条件下的动力学行为,并提出了不平衡注意参数条件下的遗传协同学习算法(GSLA).该算法利用遗传算法的全局最优搜索能力,对协同神经网络的注意参数进行全局优化.对从"车牌识别系统"中得到的数字样本的实验证明:新算法能有效地在注意参数空间搜索全局最优解,挖掘出协同方法在目标识别方面的最大潜能.另外,本文还将新算法与利用奖惩学习算法的协同学习算法进行了全局优化能力的比较,发现新算法具有收敛快和全局最优搜索能力强的特点.  

基于Hough变换和变形曲线技术的椭圆提取研究

文章提出了一种新的椭圆提取方法。该方法组合利用Hough变换和变形曲线技术提取椭圆。实验证明该方法具有检测准确性高、稳健性好、可以并行实现、占用存储空间小的优点，对于图象中存在多个不同大小椭圆目标的情况尤其有效。  

一种具有选择注意特性的模板匹配网络模型

本文提出一种选择性注意相似度量，并构造了一种用于模板匹配分类的网络模型。  

Key frame extraction based on visual attention model

Key frame extraction is an important technique in video summarization, browsing, searching and understanding. In this paper, we propose a novel approach to extract the most attractive key frames by using a saliency-based visual attention model that bridges the gap between semantic interpretation of the video and low-level features. First, dynamic and static conspicuity maps are constructed based on motion, color and texture features. Then, by introducing suppression factor and motion priority schemes, the conspicuity maps are fused into a saliency map that includes only true attention regions to produce attention curve. Finally, after time-constraint cluster algorithm grouping frames with similar content, the frames with maximum saliency value are selected as key-frames. Experimental results demonstrate the effectiveness of our approach for video summarization by retrieving the meaningful key frames.  

基于免疫克隆算法的协同神经网络参数优化

针对现有协同神经网络参数优化方法的不足,提出了一种基于免疫克隆算法的参数优化方法.与在平衡注意参数条件下的算法和在不平衡注意参数条件下基于遗传算法和模拟退火算法的优化方法相比,新方法具有全局兼局部寻优能力,不易陷入局部极值,并且迭代步长是自适应调整的.对纹理图像与遥感图像的分类识别结果表明:新方法不仅具有更快的收敛速度而且具有更优的分类识别性能,同时验证了注意参数及所有参数对各原型模式之间竞争态势的影响,从而达到更佳的分类识别效果.