基于布尔图理论的视觉显著性检测算法研究

摘要

面对庞大的视觉信息时，人类视觉系统能够高效地优先处理复杂场景中的有效信息，这种自主选择的过程被称为视觉注意力机制，该机制保证了人类能够快速、准确、有效地完成各种视觉任务。为了模拟人类的视觉注意力机制，生理学、心理学以及计算机视觉领域的专家学者付出了巨大的努力，提出了许多视觉显著性的计算模型。在显著性检测的过程中，由于计算视觉差异的方法不同，显著性模型的检测结果也有很大的差异。如何根据生理学和心理学知识设计出满足实际应用需求的视觉显著性检测模型值得深入研究。 首先，本文介绍了国内外视觉显著性的研究现状，介绍了人类视觉系统的生理学结构和人类视觉感知和认知的过程;总结了目前常用的自底向上和自顶而下两类视觉显著性检测模型;介绍了视觉显著性检测领域的常用数据库和评价方法。 然后，本文引入认知心理学中的布尔图理论，提出了一种以区域为计算单元的显著性检测框架。该框架通过布尔图实现对图像的连续分割;计算连通区域的颜色距离和空间距离作为该区域的显著值;对特征通道内的显著子图单一线性融合、特征通道间的显著图采用竞争融合策略。框架内各个部分既可以采用自底向上的方式实现，也可以由先验知识指导地自顶而下的完成，这使得本文框架具有灵活性，面对不同的检测任务时，可以按照任务要求设计出相应的检测算法。 最后，应用本文提出的检测框架，我们设计实现了自底向上的自然图像显著性检测算法和自顶而下的心脏图像分割算法。实验表明，两个算法在各自的数据库上都有优异的性能表现，可以满足各自任务的要求，这也证明了本文算法框架的有效性和通用性。 综上所述，本文引入布尔图理论，提出了一种视觉显著性检测的通用框架。该框架面对不同的任务需求时，可以实现自底向上和自项而下的显著性检测。最后应用本文框架，设计实现了自然图像显著性检测算法和心脏MR图像分割算法，并在相关的数据库上验证了各自的有效性。本文框架在视觉显著性检测领域做了新尝试，提供了一些新思路。

目录

声明

摘要

第1章绪论

1．1课题研究背景及意义

1．2显著性检测的国内外研究现状

1．2．1视觉注意机制

1．2．2视觉显著特征提取

1．2．3视觉显著性检测计算模型的应用

1．3本文研究内容及贡献

1．4论文的组织结构

第2章视觉显著性检测模型概述

2．1引言

2．2人类视觉系统的生理学结构

2．3人类视觉感知和认知过程

2．4视觉注意力生理学模型

2．4．1特征整合理论

2．4．2 NVT模型

2．5常用数据库与性能评价指标

2．5．1视觉注意力预测数据库

2．5．2显著性分割数据库

2．5．3显著性检测的评价指标

2．6本章小结

第3章基于布尔图理论的显著性检测框架

3．1引言

3．2本文检测框架的概述

3．3基于布尔图的ROI区域提取

3．3．1布尔图的原理介绍

3．3．2布尔图的生成

3．3．3形态学处理

3．3．4 ROI区域的提取

3．4 ROI区域的特征提取

3．4．1显著特征检测与描述

3．4．2颜色特征

3．4．3形状特征

3．4．4纹理特征

3．4．5针对任务的特征

3．5基于区域特征的显著图生成

3．5．2基于区域信息的Top-Down模型

3．6显著图的融合策略

3．7本章小结

4章基于RMS框架的自然图像显著性检测

4．1引言

4．2自然图像的布尔图生成

4．2．1色彩特征通道的选择

4．2．2布尔图的生成

4．3自然图像的ROI区域特征提取

4．3．1提取ROI区域

4．3．2提取区域的显著性特征

4．4区域显著性的计算

4．4．1基于区域对比度的显著性

4．4．2基于色彩距离和位置距离的显著性

4．5显著图的生成

4．5．1特征通道内子显著图的融合

4．5．2特征显著图的融合

4．6实验结果与评价

4．6．1数据库概述

4．6．2实验结果与分析

4．7本章小结

第5章基于RMS框架的心脏图像分割

5．1引言

5．2心脏图像分割算法的研究意义

5．3心脏图像自适应分割阈值的确定

5．3．1定步长的阈值选取方法

5．3．2基于灰度累计直方图的自适应阈值选取

5．4心脏图像ROI区域的特征提取

5．4．1心脏筛选特征

5．4．2区域形状训练特征

5．5基于区域的心脏检测模型

5．5．1心脏区域的筛选模型

5．5．2心脏区域的评分模型

5．6实验结果与评价

5．6．1数据库的概述

5．6．2模型参数的训练结果

5．6．3心脏检测的结果与分析

5．6．4本章小结

第6章总结与展望

6．1总结

6．2工作展望

参考文献

致谢