基于視覺顯著性的圖像識別的研究.pdf

1、隨著科學技術的發(fā)展和信息的日益豐富,機器視覺受到了廣泛的重視。如何應用計算機模仿人類處理圖像的機制來快速而準確地將海量圖片進行識別和分類,需要同時結(jié)合計算機科學、生物物理學以及心理學的研究。通常,這類研究會結(jié)合基于人眼的視覺注意機制,也就是當人眼接觸一個視覺場景時,會注意場景中更為顯著或者更為感興趣的區(qū)域,然后視作為重要區(qū)域進行優(yōu)先處理。根據(jù)這一特性,目前已經(jīng)有很多基于顯著性的計算模型。在此基礎上也有很多學者提出將任務驅(qū)動的模型與其結(jié)合

2、,從而能夠?qū)μ囟ǖ膱D像進行分類和識別。本文以視覺顯著性的計算模型為基礎,進行圖像識別的研究。
　　首先介紹了人眼視覺的生理結(jié)構(gòu),分析了基于視覺信息處理機制的視覺顯著性計算模型和利用具有先驗知識的貝葉斯識別模型。接下來,詳細的闡述了將ITTI顯著性模型和貝葉斯模型相結(jié)合的圖像識別算法。該算法在提取顯著性特征后,選用高斯密度分布函數(shù)來擬合特征值得到訓練參數(shù),并作為先驗知識。在識別時,基于訓練參數(shù)進行貝葉斯識別。這一模型較好的實現(xiàn)了基于

3、先驗知識的視覺特征,進行有目的的圖像識別和分類。本文的研究內(nèi)容主要是基于該模型提出改進的算法。
　　其次,研究了貝葉斯模型中似然函數(shù)的估計方法。原模型中主要采用高斯概率密度函數(shù)來擬合特征值的分布,但隨著訓練圖片的增多,特征值包含的信息更豐富,分布更復雜,單一高斯模型的誤差更大。本文選用的混合高斯模型彌補了這一不足,通過對特征值進行聚類,然后對每一聚類進行單一高斯擬合,有效地提高了擬合精度從而提高識別的效率。
　　基于混合高斯

4、模型的思想,提出了一個根據(jù)特征值的分布特性自動選擇其分布函數(shù)的自適應系統(tǒng)。這一系統(tǒng)采用兩個判定,根據(jù)特征值分布的特點,在單一高斯、雙高斯以及混合高斯模型中進行選擇。從而提高了處理速度和識別效率。
　　為了提高自適應系統(tǒng)的識別效率,本文又結(jié)合ITTI顯著性模型的特點,提出了改進的顯著性度量的方法。主要是基于已經(jīng)學習到的圖像集合的特征分布特性,為每幅子特征圖添加權(quán)值系數(shù),從而更加突出顯著區(qū)域。經(jīng)過多次實驗發(fā)現(xiàn),這一基于統(tǒng)計特性的加權(quán)方

5、法,在特定的圖像數(shù)據(jù)庫中是有效的,能提高自適應系統(tǒng)的識別效率。但是其廣泛的適用性還有待進一步研究。
　　本文提出的改進算法主要是基于顯著性引導的圖像識別系統(tǒng)。在給定某一對象的多幅訓練圖的前提下,本系統(tǒng)經(jīng)過學習得到對象的一個具體描述,然后對包含對象的待測圖像進行識別,給出這個圖片會被正確識別的概率列表。本文針對ALOI圖像數(shù)據(jù)庫進行大量的實驗,結(jié)果顯示,本文提出的改進算法有效的提高了識別的效率,并且此自適應系統(tǒng)在時間消耗上小于混合高