視覺感知啟發(fā)的對(duì)象發(fā)現(xiàn)關(guān)鍵技術(shù)研究.pdf

1、對(duì)象發(fā)現(xiàn)是當(dāng)前圖形圖像處理和人工智能研究的前沿科學(xué)問題，探索在非監(jiān)督的條件下實(shí)現(xiàn)目標(biāo)的識(shí)別。將此項(xiàng)研究的成果引入航空宇航制造領(lǐng)域，對(duì)提高航空宇航制造水平，促進(jìn)學(xué)科交叉，意義重大。本文利用眼動(dòng)跟蹤技術(shù)，研究人的視覺注意力機(jī)制，進(jìn)而，將人類擁有的強(qiáng)大的理解和識(shí)別能力引入對(duì)象發(fā)現(xiàn)研究中，提出一種對(duì)象發(fā)現(xiàn)的新方法，并探討該方法在航空宇航制造中的應(yīng)用。文章的主要研究工作和創(chuàng)新點(diǎn)有：
　　1）提出了一種基于真實(shí)眼動(dòng)數(shù)據(jù)構(gòu)建可計(jì)算視覺注意力模型

2、的新方法。首先建立了人在自由觀看狀態(tài)下自主版權(quán)的眼動(dòng)數(shù)據(jù)庫，在此基礎(chǔ)上，利用馬爾科夫鏈實(shí)現(xiàn)了可計(jì)算注意力模型的構(gòu)建，并給出了馬爾科夫鏈中的轉(zhuǎn)移概率同真實(shí)眼動(dòng)數(shù)據(jù)之間的關(guān)系。之后，在真實(shí)眼動(dòng)數(shù)據(jù)上訓(xùn)練了一個(gè)支持向量回歸模型，并根據(jù)提取的圖像特征實(shí)現(xiàn)了馬爾科夫鏈中轉(zhuǎn)移概率的預(yù)測。最后通過求解馬爾可夫鏈的平穩(wěn)分布，得到圖像的顯著圖。實(shí)驗(yàn)結(jié)果表明，本文提出的模型可以很好的模擬人在自由觀看狀態(tài)下的視覺注意力，并檢測出感興趣的目標(biāo)。
　　2）

3、提出了一種基于視覺注意力的視覺詞典構(gòu)造新思路。首先確定圖像上的仿射不變區(qū)域，然后根據(jù)本文所提出的可計(jì)算視覺注意力模型確定這些區(qū)域的顯著性，選擇那些顯著的、人所關(guān)注的區(qū)域，拋棄那些無人關(guān)注的區(qū)域，并通過向量量化得到視覺單詞詞典。之后，基于所提出的視覺詞典，分別利用樸素貝葉斯分類器和支持向量機(jī)，實(shí)現(xiàn)了物體類別的識(shí)別。該方法解決了在傳統(tǒng)的視覺詞典構(gòu)建中，既需要包含盡可能多的信息，又面臨運(yùn)算量過大的問題。利用所提出的基于視覺注意力的視覺詞典，對(duì)

4、20種不同種類的物體進(jìn)行識(shí)別的實(shí)驗(yàn)結(jié)果顯示，在物體類別識(shí)別這一非常難的領(lǐng)域，用所提出的視覺詞典可以明顯提升物體類別識(shí)別的準(zhǔn)確率，20種種類的平均識(shí)別準(zhǔn)確率提高了1.65％。
　　3）提出了一種基于視覺注意力的詞袋模型圖像表示方法。利用本文所提出的可計(jì)算注意力模型，計(jì)算出圖像的顯著圖。根據(jù)得到的顯著圖，對(duì)在圖像上出現(xiàn)的視覺單詞，依據(jù)在其對(duì)應(yīng)位置上的顯著性給其分配相應(yīng)的權(quán)值，然后用此加權(quán)過的視覺單詞來表示圖像。該方法解決了傳統(tǒng)的基于詞

5、袋模型的圖像表示對(duì)整幅圖像上的所有區(qū)域進(jìn)行一視同仁的處理，不能區(qū)分目標(biāo)和背景，從而導(dǎo)致的效果不佳的問題。并在這種新型詞袋模型圖像表示方式的基礎(chǔ)上，分別利用k均值算法和潛在概率語義分析模型實(shí)現(xiàn)了對(duì)象發(fā)現(xiàn)。實(shí)驗(yàn)結(jié)果顯示，所提出的方法提升了對(duì)象發(fā)現(xiàn)的能力。
　　4）通過對(duì)人的視覺注意力機(jī)制以及真實(shí)眼動(dòng)數(shù)據(jù)的分析，提煉出了一種新穎的可計(jì)算注意力模型，該模型可模擬人在尋找特定目標(biāo)情況下的視覺注意力，在此模型基礎(chǔ)上，實(shí)現(xiàn)了視覺感知啟發(fā)的對(duì)象發(fā)

6、現(xiàn)及定位。首先建立人在尋找特定目標(biāo)情況下的眼動(dòng)數(shù)據(jù)庫（eye tracking database for specific object，EDSO）。之后，提出并實(shí)現(xiàn)了一種基于概率潛在語義分析模型的目標(biāo)種類特征提取方法，該方法可克服傳統(tǒng)視覺注意力模型固有的缺點(diǎn)，即模型難以提取高級(jí)的目標(biāo)特征，從而無法模擬人在尋找特定種類目標(biāo)時(shí)的注意力。最后建立了一個(gè)前饋神經(jīng)網(wǎng)絡(luò)，并利用本文創(chuàng)建的EDSO數(shù)據(jù)庫，實(shí)現(xiàn)了這一新穎視覺注意力模型的訓(xùn)練。并利用該