基于视觉注意的目标检测方法

论文摘要

老鹰等动物能快速、准确地从复杂背景中捕获和跟踪猎物的能力一直是智能跟踪系统发展和追求的目标。通过仿生动物视觉神经信息处理系统实现复杂背景下的运动目标检测与跟踪,往往需要提取目标静态特征、动态特征及两者复合特征,自底向上完成对目标的注意。静态特征往往是动态特征的基础,本文主要研究基于视觉感知机理的复杂背景下目标静态特征提取和识别问题,通过深入探讨和分析模型改进、纹理特征提取和兴趣目标识别等问题,来提高兴趣目标在显著图的显著程度,从而达到首先或率先聚焦在兴趣目标上,快速实现目标检测的目的。首先介绍了视觉注意模型的研究现状,讨论了人类感知系统的结构与特点。显著图是视觉注意的基础,有意识地增强显著图中兴趣目标的显著度是快速实现目标检测的途径之一。Itti视觉感知模型缺乏目标分类特征,难以达到率先注意兴趣目标的目的,据此本文提出利用特征分类来增强兴趣目标在显著图中显著程度的方法。其次,利用灰度共生矩阵提取人造物体和自然物体的纹理特征,运用支持向量机实现对两类物体的非线性分类。自然景物的纹理特征和人造景物的纹理特征存在差别,自然景物的纹理较粗糙而人造景物的纹理较细致。最后,在Itti模型上融入轮廓和纹理特征,改进计算模型,进行试验比较验证。即便是在融入轮廓特征后,自然物体的显著性还很强甚至具有最高显著度,未能率先聚焦兴趣目标。通过纹理特征来区分自然和人造景物并将其融入到整个框架中,为目标检测提供更多的线索。理论和试验结果表明,该改进模型能通过增强兴趣目标在显著图中的显著程度来实现复杂背景下的目标检测。

论文目录

• 中文摘要
• 英文摘要
• 1 绪论
• 1.1 选题背景和任务
• 1.2 视觉注意模型研究现状
• 1.3 论文的章节安排
• 2 视觉注意模型的生理基础
• 2.1 人类视觉感知系统概述
• 2.2 人类视觉感知系统的基本概念
• 2.2.1 视觉系统通路
• 2.2.2 视网膜生理结构和机制
• 2.2.3 感受野概述
• 2.2.4 膝状体与视皮层
• 2.2.5 人眼视觉系统的侧抑制机制
• 2.3 视觉信息敏感性理论
• 2.4 本章小结
• 3 纹理特征提取及分类
• 3.1 纹理的基本概念
• 3.2 纹理特征提取方法
• 3.2.1 灰度直方图分析法
• 3.2.2 自相关函数
• 3.2.3 基于Gabor 小波的纹理特征提取法
• 3.2.4 灰度共生矩阵法
• 3.3 纹理分类器的设计
• 3.3.1 线性分类器
• 3.3.2 非线性可分情况
• 3.4 支持向量机分类
• 3.4.1 实验步骤
• 3.4.2 软件编制流程图
• 3.4.3 结果分析
• 3.5 结论
• 4 融入纹理的视觉注意计算模型
• 4.1 问题的提出
• 4.2 本文的改进模型
• 4.3 视觉尺度空间
• 4.3.1 视网膜的尺度性质
• 4.3.2 基于视网膜特性的模板构造
• 4.4 兴趣图的生成过程
• 4.4.1 亮度映射图
• 4.4.2 颜色映射图
• 4.4.3 方向映射图
• 4.4.4 边缘映射图
• 4.4.5 映射图组合
• 4.4.6 纹理特征图
• 4.4.7 多特征融合
• 4.5 注意焦点转移
• 4.6 实验比较
• 4.7 本章小结
• 5 总结和展望
• 5.1 总结
• 5.2 展望
• 致谢
• 参考文献
• 附录
• 作者在攻读学位期间发表的论文目录