注意力选择模型的研究及其应用

论文摘要

人类视觉无时无刻不在获取大量的信息,并能对其进行快速而又有效的处理,其中的关键因素在于人类的视觉注意机制。人类视觉能够从大量的视觉信息中选择和提取重要信息而忽略次要信息,这一机制称为视觉注意机制。注意力选择机制的研究是为了更加有效地模拟人类的视觉机制,从而实现计算机视觉的选择性、高效性和智能性等。本文通过模拟生物视觉注意力选择机制,并对现存模型进行了深入分析研究,建立更加合理的视觉计算模型,并将其应用于钢板缺陷检测系统的算法设计方面。具体的研究内容包括以下几个方面：(1)基于HSI色彩空间与幅度谱调制算法的静态图像显著性检测算法：考虑到基于空间特征和基于信息熵算法的计算量问题,以及颜色通道的划分的合理性问题,论文结合HSI色彩空间与幅度谱调制算法提出了具有更高准确度和实时性的HSIPFT显著性模型。(2)面向动态背景的基于三维幅度谱调制算法的动态显著性检测模型：由于现有算法没有考虑运动模式(如：运动方向、运动速度等)的显著性,论文引入三维幅度谱调制来解决运动模式的显著性问题,并提出了更加符合人类视觉动态注意机制的3DPFT动态注意力选择模型。(3)视觉注意力选择机制在钢板表面缺陷检测方面的应用：考虑到实际应用的实时性和算法的通用性因素,论文使用HSIPFT显著性算法来获取钢板表面图像的缺陷区域。注意机制的引入提高了钢板缺陷区域的提取精度和缺陷的识别率。通过仿真实验对上述算法、模型与具体应用进行测试,从实验结果可以发现：本文方法能够较好地解决静态目标与运动模式的显著性测量,并可以在实际生产中取得一定的应用。通过与其他算法的对比,证实了本文方法具有较高的准确度、较强的鲁棒性以及较好的生物结构相似性。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题的研究背景
• 1.2 注意机制研究的目的和意义
• 1.3 注意机制的国内外研究现状
• 1.4 论文的主要工作和创新点
• 1.5 本文的内容安排
• 第2章 视觉注意模型概述及其分析
• 2.1 视觉注意机制及相关概念
• 2.1.1 视觉注意的原理和过程
• 2.1.2 视觉注意的分类
• 2.2 注意力选择的模型综述
• 2.2.1 基于特征融合的注意选择模型
• 2.2.2 基于频域的注意力选择模型
• 2.2.3 基于信息熵的注意力选择模型
• 2.3 注意模型所存在的关键问题
• 2.4 本章小结
• 第3章 基于HSI彩色模型的显著性算法
• 3.1 模型提出的原因
• 3.2 基于HSI彩色模型的显著性算法
• 3.2.1 HSI通道的建立
• 3.2.2 各通道显著性图的提取
• 3.2.3 各通道显著图的融合
• 3.3 实验结果和评价
• 3.3.1 心理学图像的检测和添加噪声后的图像的检测
• 3.3.2 自然图像的检测
• 3.4 基于ROC曲线的显著性评定方法
• 3.5 本章小结
• 第4章 动态场景中的注意力选择模型
• 4.1 动态场景的注意模型概述
• 4.2 基于三维幅度谱的动态注意模型
• 4.2.1 图像幅度谱调制的原理
• 4.2.2 三维幅度谱的动态注意模型
• 4.3 实验分析与对比
• 4.3.1 心理学图像序列的测试
• 4.3.2 自然图像序列的测试
• 4.4 本章小结
• 第5章 注意机制在钢板表面缺陷检测中的应用
• 5.1 钢板表面在线检测系统简介
• 5.2 图像预处理
• 5.2.1 钢板边界的剪裁
• 5.2.2 钢板表面缺陷的图像增强
• 5.3 钢板表面缺陷区域的检测
• 5.3.1 基于可疑点ROI的检测方法
• 5.3.2 基于形态学的区域检测方法
• 5.3.3 基于形态小波的区域检测方法
• 5.3.4 基于注意机制的区域检测算法
• 5.4 缺陷区域的特征提取
• 5.5 钢板损伤的分类
• 5.6 本章小结
• 第6章 总结与展望
• 6.1 论文工作总结
• 6.2 未来工作
• 参考文献
• 致谢
• 作者简介