应用视觉注意多分辨率分析的图像检索

基于人类视觉感知理论,提出一个改进的Itti视觉注意模型用于图像检索。该改进视觉注意模型是在充分考虑纹理特征与视觉感知关系的基础上,构造一个粗糙度图,用作视觉注意模型的一个初级视觉特征。首先通过该改进视觉注意模型得到50个视觉特征图;然后分别对每个视觉特征图采用局部二值模式傅里叶直方图（LBP-HF）方法抽取其分布信息,从而获得每幅图像的高维特征;最后利用局部保持投影(LPP)方法进行维数约简,以获取具有图像间局部几何和鉴别信息的低维特征用于图像检索。实验结果表明,该算法能获得较好的检索效果。     

一种动态场景中的视觉注意区域检测方法

利用心理学中有关视觉注意的研究成果,提出一种新的动态场景中的视觉注意区域检测算法.该算法利用视觉对场景的感知的特点,以特征点轨迹作为运动特征,计算特征点运动的显著性,并用运动显著的特征点作为"种子",结合空间分割方法产生运动显著图.为了兼顾静态场景,则利用颜色和亮度作为特征,以center-surround反差模型获得图像的静态显著图. 最后提出一种基于运动优先思想的方法将运动和空间显著图进行动态融合,生成视觉注意区域.与以往方法相比,该方法生成的视觉注意区域较为完整,并且具有更好的抗噪性.实验结果证明了该方法的有效性和稳定性.     

结合视觉感知与LBP傅里叶直方图的图像检索

为了有效地提取图像特征以提高图像检索性能,借鉴生物视觉信息处理过程中的提取图像特征,提出一种结合视觉感知与局部二值模式(LBP)傅里叶直方图的图像检索算法.首先根据视觉感知特点,用主分量图作为亮度初级视觉特征,将形状边缘信息融入视觉注意模型,获得改进的Itti视觉注意模型,并基于该改进视觉注意模型得到50个视觉特征图;...     

视觉选择性注意计算模型

提出一种用于智能机器人的视觉注意计算模型．受生物学启发,该模型模仿人类自下而上和自上而下 两种视觉选择性注意过程．通过提取输入图像的多尺度下的多个底层特征,在频域分析各特征图的幅度谱,在空域 构造相应的特征显著图．根据显著图,计算出注意焦点的位置和注意区域的大小,结合给定的任务在各注意焦点之 间进行视觉转移．在多幅自然图像上进行实验,并给出相应的实验结果、定性和定量分析．实验结果与人类视觉注 意结果一致,表明该计算模型在注意效果、运算速度等方面有效．     

基于图像一致性计算的目标识别算法

视觉计算模型集合了人类视觉系统(HVS)的复杂特征,并模拟了视觉输入的分层感知表达。自底向上机制是现代模型中最常见的特征,是指无意识的注意,所提出的一致计算方法模拟自底向上视觉注意,并通过一致区域的计算来达到目标识别的目的。所提模型主要基于对HVS行为的目前的理解,使用对比敏感度函数、感知分解、视觉掩蔽形成一个神经性视觉空间,并在此基础上使用center-surround交互、感知编组和显著图的建立来得到最终的显著图。所提模型的性能通过使用自然图像来进行评估,并将其结果与参照的经典的自底向上模型进行对比,结果表明该模型实效性高。     

基于视觉选择性注意机制的目标检测的研究

视觉选择性注意模型的应用是当今认知信息处理领域的研究热点。根据人类视觉感知理论,在介绍具有代表性的视觉注意模型（Itti模型）的基础上,在特征提取的初级阶段引入新的低层视觉特征,形成一种新的引导注意的显著图,从而实现较为准确的目标检测。结果证明该方法在一定程度上避免了漏检测现象的发生,使得注意区域更能接近生物视觉系统的实际。     

基于视觉注意机制的显著物体轮廓感知

针对机器视觉中物体轮廓检测问题,提出了一种基于注意机制的轮廓感知模型.首先根据视觉注意机制得到显著物体的注意焦点;随后利用格式塔知觉组织规则,将从原始图中提取的重要轮廓边缘进行轮廓组织;最后根据注意焦点进行轮廓距离感知,得到人类视觉真正感兴趣和注意到的物体轮廓.结果表明了该算法的有效性和生物学上的合理性.     

虚拟驾驶员视觉注意力模型研究

为提高驾驶员视觉感知行为仿真的逼真性,注意力模型成为驾驶行为研究的重点。介绍了注意力的认知模型,根据注意力的双加工理论,建立了虚拟驾驶员视觉注意力模型,将视觉注意过程分为预注意和集中注意两个阶段,在预注意阶段,基于图像的相位谱信息建立了图像的特征显著图,实现注意的自下而上过程。使用RBF网络实现了预注意阶段的自下而上和自上而下两个过程的结合。在集中注意阶段,实现了注意力的聚焦效应。对视觉注意力模型进行了仿真实验,验证了模型的有效性,为虚拟驾驶员视觉感知行为建模与仿真提供了基础。     

基于视觉注意机制的交通标志检测

根据人类视觉感知理论,将自底向上和自顶向下的注意机制相结合,融入到交通标志检测中,提出一种基于视觉注意机制的交通标志检测方法。根据2种注意模型提取颜色、形状、亮度等多种特征,生成显著图,利用WTA网络找到感兴趣区域,即交通标志区域。实验结果表明,该方法能在复杂背景图像中准确定位交通标志。     

基于FOA的无人机协同态势感知搜寻模型构建及应用

无人机协同态势感知搜寻任务规划问题是当前无人机应用研究领域的关注重点。基于现实无人机搜寻任务统计的大数据概率搜寻热图,概括总结出区域定点搜寻、大范围机动搜寻和机动避让搜寻3类搜寻目标机动模式,采取大数据增量计算3类情形下的无人机协同搜索识别概率,基于果蝇优化算法对应构建了“效率优先”“中心辐散”和“向心辐合”搜索策略的无人机协同态势感知FOA搜寻模型,得到无人机协同搜索到搜寻机动目标的最高概率分别为66.82%、86.72%和81.48%,并利用博弈论思想对无人机协同搜索策略和搜寻机动目标对抗避让策略进行了辨析。该模型具有较强适应性,为无人机协同态势感知搜寻任务规划问题提供了一定技术支撑。     

融合双目多维感知特征的立体视频显著性检测

目的 立体视频能提供身临其境的逼真感而越来越受到人们的喜爱,而视觉显著性检测可以自动预测、定位和挖掘重要视觉信息,可以帮助机器对海量多媒体信息进行有效筛选。为了提高立体视频中的显著区域检测性能,提出了一种融合双目多维感知特性的立体视频显著性检测模型。方法 从立体视频的空域、深度以及时域3个不同维度出发进行显著性计算。首先,基于图像的空间特征利用贝叶斯模型计算2D图像显著图;接着,根据双目感知特征获取立体视频图像的深度显著图;然后,利用Lucas-Kanade光流法计算帧间局部区域的运动特征,获取时域显著图;最后,将3种不同维度的显著图采用一种基于全局-区域差异度大小的融合方法进行相互融合,获得最终的立体视频显著区域分布模型。结果 在不同类型的立体视频序列中的实验结果表明,本文模型获得了80%的准确率和72%的召回率,且保持了相对较低的计算复杂度,优于现有的显著性检测模型。结论 本文的显著性检测模型能有效地获取立体视频中的显著区域,可应用于立体视频/图像编码、立体视频/图像质量评价等领域。     

融合深度信息的视觉注意计算模型

针对Itti模型在特征选择上的局限性,借鉴心理学中有关视觉注意的研究成果,提出一种融合深度信息的视觉注意计算模型。该模型在基于图像分割的自适应立体匹配基础上提取深度特征,与亮度、方向、颜色特征相结合,实现空间显著性度量,并采用侧抑机制和WTA机制得到注意焦点。实验结果表明,新模型能较好地反映空间立体视觉信息对注意的影响,使计算结果能更符合人类视觉。     

Bayesian feature evaluation for visual saliency estimation

This paper presents a computational method of feature evaluation for modeling saliency in visual scenes. This is highly relevant in visual search studies since visual saliency is at the basis of visual attention deployment. Visual saliency can also become important in computer vision applications as it can be used to reduce the computational requirements by permitting processing only in those regions of the scenes containing relevant information. The method is based on Bayesian theory to describe the interaction between top-down and bottom-up information. Unlike other approaches, it evaluates and selects visual features before saliency estimation. This can reduce the complexity and, potentially, improve the accuracy of the saliency computation. To this end, we present an algorithm for feature evaluation and selection. A two-color conjunction search experiment has been applied to illustrate the theoretical framework of the proposed model. The practical value of the method is demonstrated with video segmentation of instruments in a laparoscopic cholecystectomy operation.     

基于视觉注意机制的目标跟踪方法

提出一种基于视觉注意机制的运动目标跟踪方法。该方法借鉴人类的视觉注意机制的研究成果,建立视觉注意机制的计算模型,计算视频中各部分内容的视觉显著性。结合视觉显著性计算结果,提取视频图像中的显著性目标。利用颜色分布模型作为目标的特征表示模型,与视频中各显著目标进行特征匹配,实现目标的跟踪。在多个视频序列中进行实验,并给出相应的实验结果及分析。实验结果表明,提出的目标检测与跟踪算法是正确有效的。     

多先验特征与综合对比度的图像显著性检测

目的 图像的显著性检测在计算机视觉中应用非常广泛,现有的方法通常在复杂背景区域下表现不佳,由于显著性检测的低层特征并不可靠,同时单一的特征也很难得到高质量的显著图。提出了一种通过增加特征的多样性来实现显著性检测的方法。方法 在高层先验知识的基础上,对背景先验特征和中心先验特征重新进行了定义,并考虑人眼视觉一般会对暖色调更为关注,从而加入颜色先验。另外在图像低层特征上使用目前较为流行的全局对比度和局部对比度特征,在特征融合时针对不同情况分别采取线性和非线性的一种新的融合策略,得到高质量的显著图。结果 在MSRA-1000和DUT-OMRON两个公开数据库进行对比验证,实验结果表明,基于多先验特征与综合对比度的图像显著性检测算法具有较高的查准率、召回率和F-measure值,相较于RBD算法均提高了1.5%以上,综合性能均优于目前的10种主流算法。结论 相较于基于低层特征和单一先验特征的算法,本文算法充分利用了图像信息,能在突出全局对比度的同时也保留较多的局部信息,达到均匀突出显著性区域的效果,有效地抑制复杂的背景区域,得到更加符合视觉感知的显著图。     

基于方位特征的听觉选择性注意计算模型研究

经典的听觉注意计算模型主要针对声音强度、频率、时间等初级听觉特征进行研究,这些特征不能较好地模拟听觉注意指向性,必须寻求更高级的听觉特征来区分不同声音.根据听觉感知机制,本文基于声源方位特征和神经网络提出了一种双通路信息处理的自下而上听觉选择性注意计算模型.模型首先对双耳信号进行预处理和频谱分析;然后,将其分别送入where通路和what通路,其中where通路用于提取方位特征参数,并利用神经网络提取声源的局部方位特征,接着通过局部特征聚合和全局优化法得到方位特征显著图;最后,根据方位特征显著图提取主导方位并作用于what通路,采用时频掩蔽法分离出相应的主导音.仿真结果表明：该模型引入方位特征作为聚类线索,利用多级神经网络自动筛选出值得注意的声音对象,实时提取复杂声学环境中的主导音,较好地模拟了人类听觉的方位分类机制、注意选择机制和注意转移机制.     

Dynamic visual attention on the sphere

In this paper we present a computational model of dynamic visual attention on the sphere which combines static (intensity,chromaticity, orientation) and motion features in order to detect salient locations in omnidirectional image sequences while working directly in spherical coordinates. We build the motion pyramid on the sphere by applying block matching and varying the block size. The spherical motion conspicuity map is obtained by fusing together the spherical motion magnitude and phase conspicuities. Furthermore, we combine this map with the static spherical saliency map in order to obtain the dynamic saliency map on the sphere. Detection of the spots of attention based on the dynamic saliency map on the sphere is applied on a sequence of real spherical images. The effect of using only the spherical motion magnitude or phase for defining the spots of attention on the sphere is examined as well. Finally, we test the spherical versus Euclidean spots detection on the omnidirectional image sequence.     

Salient objects detection in dynamic scenes using color and texture features

Visual saliency is an important research topic in the field of computer vision due to its numerous possible applications. It helps to focus on regions of interest instead of processing the whole image or video data. Detecting visual saliency in still images has been widely addressed in literature with several formulations. However, visual saliency detection in videos has attracted little attention, and is a more challenging task due to additional temporal information. A common approach for obtaining a spatio-temporal saliency map is to combine a static saliency map and a dynamic saliency map. In our work, we model the dynamic textures in a dynamic scene with local binary patterns to compute the dynamic saliency map, and we use color features to compute the static saliency map. Both saliency maps are computed using a bio-inspired mechanism of human visual system with a discriminant formulation known as center surround saliency, and are fused in a proper way. The proposed model has been extensively evaluated with diverse publicly available datasets which contain several videos of dynamic scenes, and comparison with state-of-the art methods shows that it achieves competitive results.