视觉注意和行为认知模型及其应用

《视觉注意和行为认知模型及其应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、论文独创性声明本论文是我个人在导师指导下进行的研究工作及取得的研究成果．论文中除’t。了特别加以标注和致谢的地方外，不包含其他人或其它机构已经发表或撰写过的‘、＼～～研究成果。其他同志对本研究的启发藕质傲熊贡献魏己在论冀中作了明确的声明共表示了谢意。论文使用授权声明本人完全了解复旦大学有关保留、使用学位论文的规定，即：学校有权保留一‘，，送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的全部或部分内、容，可盼采用影印、缩印或其它复制手段保存论文；保密的论文在解密后遵守此规定。一：卑导雌警獭黪攀。摘要视觉是感知行为的最主要方式。视觉信息通常具有信息量大、维数高等特点。注意力选

2、择机制在视觉感知的初期发挥了关键性的作用，帮助我们分析、提取视觉场景中感兴趣的区域和目标，在工程应用上有着良好的应用前景。但现有的视觉注意理论模型往往存在计算复杂、实验结果依赖参数选取等缺陷。这就导致其并不适用于诸如图像、视频质量评价等有较高实肘性要求的工程应用。同视觉注意类似，行为抉择是生物另一项基本技能，是一个极其复杂的脑信息处理过程。人工智能领域的增强学习算法能够模拟生物行为抉择的学习过程。通过奖惩信号，不断试错，最后得到优化的策略。但传统的基于查找表的增强学习方式无法适应状态维数很大的情况，因此并不能很好的应用在视觉信息的学习上。针对上述局限，本文在以下几个方面进行了探索，

3、主要贡献为：1．提出了一种频率域的快速获取图像显著图的算法。采用2D的fourier变换，然后将各频点上的幅度设为同一常数，保留其相位信息，对其反变换到空间域的图像滤波后，得到反映视觉注意力显著图。这种算法大幅提高了运算速度，其显著性提取效果也优于现有的注意力选择模型。2．提出了一种基于显著性的图像、视频质量评价方法。利用快速注意力选择算法计算参考图像和视频帧的显著图，将得到显著图看做权重来调节原有图像评价准则，对视频通过帧内和帧间的加权得到视频质量的评价，与现有方法的对比实验表明：我们的方法显著提高了质量评价性能，使其更接近人的主观评价。3．提出了一种模拟果蝇视觉．行为抉择的神经

4、网络模型。该模型引入了价值和基于价值的强化学习算法，应用于输入视觉图像的强化学习，以此建立果蝇脑内多巴胺和蘑菇体对于抉择判断的价值体系。该模型可以模拟果蝇视觉信息的学习和行为抉择过程，其结果与生物实验相符，同时也为视觉信息控制行为抉择的应用提供了基础。4．在3d汽车仿真平台上把注意力选择机制和强化学习进行结合，实现智能小车在未知环境下的基于视觉的自主驾驶，编写相应C代码。关键词：增强学习；神经网络；行为抉择；注意力选择；图像显著图；图像质量评价；视频质量评价：自主驾驶中图分类号：TPl8AbstractVisionisamianmannerofhumanperception．Sin

5、cevisualimageshaveabundantinformationandhighdimensions，attentionselectionmechanismplaysakeyroleintheinitialstageofvisualperception．AttentionselectionhelpsUStoanalyzeandselectinterestingareasandproto-objectsinvisionscenes，whichleadstoafavorableapplicationforeground．Whereas，existingvisualattenti

6、onmodelshavehighcomputationalcomplixityandneedcarefulparameterselectionthatmakethemhardtomeettherequrimentofreal—timeprojectssuchasimageandvideoqualityassessment．Choicebehavior,similartovisualperception，isanotherbasicskillforbeings．Itisahighlevelinformationprocessofbrain．Reinforcementlearninga

7、lgorithminartificialintelligenceisabletosimulatethelearningprocessofbeings’choicebahaviorbyencouragingandpunitivesignalsandunceasingtrial-and—errorinteractions、航madynamicenvironmenttoachieveanoptimizedstrategy．However,thetraditionalrein