论文部分内容阅读
人类视觉系统在面对复杂自然场景时,具有快速搜索感兴趣目标的能力,这种能力我们称之为视觉注意。在人类生存与发展的过程中,视觉注意扮演着至关重要的角色。视觉注意和人类如何感知、处理视觉刺激紧密相关,并且正在被包括认知心理学、神经生物学和计算机视觉在内的多个学科进行研究。随着认知心理学和神经生物学的不断发展,通过对视觉机理的研究发现,人类视觉对场景中目标的选择性可分为两个阶段：一个快速的、无意识的、数据驱动的、自底向上的阶段和一个较慢的、有意识的、任务驱动的、自顶向下的阶段.而与视觉注意紧密相连的概念就是视觉显著性,他是指导视觉注意的一个关键注意机制。图像显著性区域检测研究的目的是快速定位显著性区域并反映显著性区域的显著程度。视觉显著性区域检测在图像处理中有着广泛的应用,包括图像分割、目标识别、自适应压缩、内容敏感图像编辑、图像检索、目标检测、目标跟踪、图像质量评价等。本文从视觉注意机制的研究出发,对视觉显著性检测与应用中的一些关键问题进行了较为深入的研究,提出了一些新的思想和算法。论文的主要工作与贡献包括：(1)针对已有局部对比度和全局对比度建模方法存在的不足,本文提出了一种基于条件随机场融合全局特征的显著性区域检测方法。该方法首先采用唯一性、颜色空间分布等全局特征计算相应的显著图：其次在条件随机场框架下融合多个显著图,通过显著性区域与背景区域的区域标注实现显著性区域初步检测；然后采用基于显著性区域的高斯模型计算目标先验图,并对全局特征显著图进行高斯滤波；最后再利用条件随机场融合滤波之后的显著图来实现更加精确的显著性检测。实验结果表明该方法能均匀致密的凸显显著性区域,有效的抑制背景干扰,并具有较高的检测准确率与召回率。(2)基于视觉机制挖掘可应用的更高层次的显著性先验特征,本文提出了一种融合多级显著性特征的显著性目标检测方法。该方法融合了基于像素级的局部对比度、基于区域级的全局对比度以及基于目标级的背景先验信息。该方法基于凸包检测技术使用底层的视觉线索从背景分离显著性目标。基于初级的检测结果提取背景模版,利用PCA计算背景先验信息。为了抑制背景干扰,该方法采用目标中心先验信息精炼局部对比度特征和全局对比度特征。在公开的数据集上的实验表明,该方法所得到的显著图能较好的凸显显著性目标.同时也证明Otsu自适应阈值方法可以用来产生高质量的目标分割结果。(3)针对视觉显著性在目标跟踪过程中的应用研究,本文提出了一种基于视觉注意的目标跟踪算法。该算法首先采用基于背景先验的视觉显著性检测算法来提取目标的显著性特征,其次采用基于贝叶斯决策理论的前景背景分类方法来提取目标的运动特征,然后利用显著特征引导运动特征与颜色特征进行目标状态估计,最后结合自适应粒子滤波形成目标跟踪算法。实验结果表明在复杂场景下,该算法相对于现有的目标跟踪算法具有较强的鲁棒性,对光照变化、姿态变化、目标遮挡、快速运动、复杂背景等具有较好的跟踪效果。(4)针对枪球联动接力跟踪过程中的目标离开枪机画面后在球机中初始定位问题,本文提出了一种基于视觉注意的枪球联动接力跟踪方法。该方法采用网格结合插值算法实现在球机中的目标放大跟踪,当目标离开枪机画面时,利用视觉显著性检测算法计算候选区域,利用枪机保存的目标模版在候选区域中搜索匹配区域,确定目标在球机场景中的位置,最后利用Mean Shift跟踪算法实现球机的主动跟踪。实验结果表明本文提出的基于视觉注意的枪球联动接力跟踪具有较好的实时跟踪效果。