基于生物视觉机制的图像感兴趣区域提取研究

论文摘要

图像感兴趣区域提取技术研究是图像处理和机器视觉领域的热点问题之一,感兴趣区域不仅在基于语义的图像检索中用于语义的标注分类,而且在图像压缩编码、目标区域定位与识别、小屏幕图像显示、医学图像分析等领域有着广泛的应用。近年来将视觉注意机制用于感兴趣区域提取的研究取得了很大进展,但目前提取出的感兴趣区域大多不够准确,和真实的感兴趣区域有一定的差距。本文在研究人类视觉注意机制理论的基础上,研究能更为准确提取感兴趣区域的方法。论文主要工作和结论如下:（1）讨论了人类视觉系统的结构以及信息处理过程,分析目前两种主要的视觉注意模型:数据驱动的注意模型和任务驱动的注意模型的工作流程和适用范围。阐述了数据驱动的注意模型Itti模型的思想及应用。（2）针对Itti模型提取显著图不够准确的问题,提出对Itti模型的改进方法,提取更接近于显著目标的显著图。在分析Itti模型提取显著图结果的基础上,提出了新的综合显著图合并策略,即特征显著图对综合显著图的贡献率与特征显著图中显著点的面积成反比的设想,通过对测试集上的图像进行测试,验证了本文提出设想的正确性。实验结果表明,利用改进方法提取的显著图较Itti模型精确度提高了15%-20%。（3）依据人眼更加关注图像中央区域信息的视觉机制,提出利用图像的位置显著图对综合显著图进行优化,以削弱周边区域的显著性,实验得到了很好的结果。（4）在显著图提取的基础上,提出一种感兴趣区域获取方法。该方法首先采用模糊C均值聚类算法对图像进行分割,然后根据显著图计算每个分割区域的平均显著值,并提取显著值最大的区域作为感兴趣区域。实验得到了比较满意的结果,弥补了Itti等人提出的感兴趣区域提取方法的不足。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究目的和意义
• 1.1.1 感兴趣区域提取的意义
• 1.1.2 应用生物视觉机制提取ROI 的意义
• 1.2 国内外研究现状
• 1.2.1 感兴趣区域提取技术研究现状
• 1.2.2 基于生物视觉机制的ROI 提取研究现状
• 1.3 研究的主要内容及方法
• 1.3.1 研究主要内容
• 1.3.2 研究方法
• 1.4 论文的组织结构
• 第二章 视觉注意机制的基本理论
• 2.1 视觉注意机制
• 2.2 人类视觉系统
• 2.2.1 人类视觉系统的结构
• 2.2.2 人类视觉系统的信息处理过程
• 2.3 视觉注意机制模型
• 2.3.1 任务驱动的注意模型
• 2.3.2 数据驱动的注意模型
• 2.4 本章小结
• 第三章 显著图提取模型
• 3.1 显著图提取ITTI 模型及流程
• 3.1.1 早期视觉特征的提取
• 3.1.2 特征显著图的建立
• 3.1.3 综合显著图的建立
• 3.2 ITTI 模型的缺点及改进
• 3.3 综合显著图的优化
• 3.4 实验结果与分析
• 3.5 本章小结
• 第四章 感兴趣区域的提取
• 4.1 感兴趣区域及提取流程
• 4.2 彩色图像的分割
• 4.2.1 常用分割方法
• 4.2.2 基于模糊C 均值聚类的图像分割算法
• 4.3 感兴趣区域的提取
• 4.4 实验结果与分析
• 4.5 本章小结
• 第五章 结论与展望
• 5.1 结论
• 5.2 进一步研究设想
• 参考文献
• 致谢
• 作者简介