视觉注意模型及其在图像分类中的应用

《视觉注意模型及其在图像分类中的应用》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、上海交通大学硕士学位论文视觉注意模型及其在图像分类中的应用姓名：宋雁斓申请学位级别：硕士专业：@指导教师：支琤20081201上海交通大学工学硕士学位论文存在的显著对象。这样，可以弥补单纯的低层特征在描述图像内容时对视觉对象的偏离，同时，也避免了基于区域分割的全图处理带来的高复杂度和高冗余度。实验结果表明，使用本文提出的视觉选择性注意模型提取出的图像特征，在多类物体分类中达到97.74%的总准确率，取到了非常好的效果。关键词视觉系统，视觉选择性注意模型，稀少性，图像分类-II-上海交通大学工学硕士学位论文Abstract

2、Visualattentionisoneofthemostimportantmechanismsofthehumanvisualsystem.Itenablesustolocateregionsofinterestinacomplexscene,inordertoacteffectivelyinourenvironment.Thevisualselectivemechanismmainlyincludestwosteps:bottom-upmechanismwhichisrapidanddata-driven;top-d

3、ownmechanismwhichisslowandtask-driven.Moreoftenthannot,thereareseveralsalientregionsintheimagewhiletheotherregionscanbeviewedasthebackgroundwhichareuselesstotheunderstandingofthecurrentimageandmaybringcomplexitytotheimageprocessing.Throughthehumanselectivemechani

4、sm,wecanlocatethesalientregionsanddonothavetoprocesstheinformationofthewholescene.Theexistingvisualselectivemodelmainlyfocusesonthebottom-upmechanism.However,thesemodelsarenotveryefficienttolocatesalientpointsinsomesituations.Meanwhileanimagecannotbefullydescribe

5、donlythroughavisualselectivemodelbecauseasalientfeaturecanbecomelesssalientincertainsituations.Humanbeingsmaybecomeattractedbyfeatureswhichareinminority.Thispaperproposesawayofcombiningvisualselectivemodelwithglobalraritytogrouptogetherimages.Theattentionfeatures

6、extractedthroughthismethodfocusonthedescriptionofobjectswhichmayattracthumanattention.Experimentalresultsshowthattheproposedapproachworkswellforimageclassificationandtheaverageaccuracyratecanreach97.74%.Keywords：humanvisualsystem,visualselectivemodel,rarity,image

7、classification-III-上海交通大学工学硕士学位论文第1章绪论随着计算机技术、通信技术和微电子技术的快速发展，图像信息产生和传播的速度越来越快，如何对这些图像信息进行高效地接收、分析和处理，已成为近年来的研究热点。数字技术的发展加速了图像信息向社会生活各个方面的渗透，使之成为现代社会通信的重要载体。如何利用图像数据表达和传递各种信息是信息可视化研究的主要内容；反之，如何有效地处理和分析图像数据，从中抽取可以理解的重要信息则是图像理解的基本课题。成像传感器的多样化和迅速普及、图像分辨率持续提升、图像数据库的不

8、断累积、可视信息网络的扩张带来了图像数据产量的飞速膨胀。而随着消费电子业的迅速发展，视频在图像数据中的比例和重要性越来越高，而且一段视频的信息量远远高于静态图像。传统的图像处理、分析和查询方法越来越难以应付日益膨胀的图像资源。因此，如何尽可能快速地从纷杂冗余的图像数据中筛选出有用信息是信息处理的一大挑战。同时，视觉是