選擇性視覺(jué)注意力的研究：基于頻帶選擇的計(jì)算模型及應(yīng)用.pdf

1、視覺(jué)注意力選擇是人類(lèi)視覺(jué)系統(tǒng)(Human Vision System)的一項(xiàng)重要機(jī)制，它主要是通過(guò)大腦中的視覺(jué)系統(tǒng)對(duì)眼睛所接收到的信息進(jìn)行精簡(jiǎn)和處理，從而將提煉后的信息傳輸?shù)礁呒?jí)的中樞系統(tǒng)。通過(guò)這一功能的實(shí)現(xiàn)，人類(lèi)能夠很快地注意到視野中有意義的顯著區(qū)域。在計(jì)算機(jī)視覺(jué)和人工智能領(lǐng)域，視覺(jué)注意力通常被作為預(yù)處理的步驟，用于實(shí)現(xiàn)后續(xù)的目標(biāo)檢測(cè)、圖像分割、圖像壓縮等。
　　視覺(jué)注意力的機(jī)制分為自底向上(bottom-up)和自頂向下(to

2、p-down)兩種，本文主要對(duì)前者進(jìn)行了研究。自底向上的機(jī)制完全由數(shù)據(jù)驅(qū)動(dòng)，這一類(lèi)方法包括仿生物特性的NVT(Neuromorphic Vision Toolkit)、基于相位譜變換的PQFT(PhaseQuaternion Fourier Transform)以及基于工程計(jì)算的FTS(Frequency Tuned Saliency)等。其中，NVT和PQFT僅對(duì)較小目標(biāo)或邊緣信息的顯著性預(yù)測(cè)有效，而FTS主要針對(duì)大目標(biāo)的顯著區(qū)域計(jì)算

3、。
　　本論文首先針對(duì)現(xiàn)有視覺(jué)注意力模型的缺點(diǎn)和不足，基于生物學(xué)上非經(jīng)典感受野(non-Classical Receptive Field)的發(fā)現(xiàn)，從頻域分析的角度提出了一種新的頻帶挑選的方法。該方法同時(shí)考慮了空間頻率的低頻和高頻成分信息，在分析了各頻帶的顯著程度后，挑選出最優(yōu)的頻帶以生成顯著圖。這一方法能夠預(yù)測(cè)出不同尺寸目標(biāo)的顯著性，大幅改善了之前模型只針對(duì)單一類(lèi)型數(shù)據(jù)的缺陷。
　　其次，在上述模型的基礎(chǔ)上提出了基于白化(

4、whitening)的改進(jìn)頻帶選擇模型。首先，我們采用去相關(guān)以及方差歸一化的白化方法，來(lái)高效地提取出不同尺寸特征圖的顯著信息，避免了傳統(tǒng)觀(guān)方法分割或分塊帶來(lái)的復(fù)雜運(yùn)算。另一方面，基于評(píng)價(jià)指標(biāo)的優(yōu)化，我們改進(jìn)了模型關(guān)于挑選頻帶的權(quán)重函數(shù)。改進(jìn)的方法無(wú)論對(duì)于注視點(diǎn)數(shù)據(jù)(fixation dataset)還是分割數(shù)據(jù)(segmentation dataset)都有很好的效果，同時(shí)與心理學(xué)實(shí)驗(yàn)的結(jié)果有良好的一致性。
　　最后，我們將所提出