视觉选择性注意模型化计算中的特征整合权值估计与图像显著性区域提取.pdfVIP

第 24卷 第 4期 模式识别与人工智能 Vo1．24 No．4 2011年8月 PR ＆AI Aug 2011 视觉选择性注意模型化计算 中的 特征整合权值估计与图像显著性区域提取 刘 琼 秦世 引 (北京航空航天大学 自动化科学与电气工程学院 jE京 100191) 摘 要 针对视觉选择性注意模型化计算过程中不同特征在整合阶段的权值判定，提出一种基于特征图分布的权 值估计方法，并在静态图像显著性区域提取中取得了令人满意的应用效果．首先提取原始图像的颜色、方向和强度 特征图像，然后计算各个特征图的广义高斯分布参数与方差 ，进而给出一种特征图权值估计算法，最后通过对特征 图的加权整合 与归一化实现对原始图像的显著性区域提取．实验结果表明，通过此方法计算的权值对特征进行加 权调制所提取的显著性区域的效果更加符合人眼的观测结果． 关键词 视觉选择性沣意模型化计算 ，权值估计，特征图提取，特征整合，显著性区域提取 中图法分类号 TP391 W eightestimationforfeatureintegration and saliencyregionextraction in modelingcomputationofvisualselectiveattention LiuQiong，QinShi—Yin (SchoolofAutomationScienceandElectricalEngineering，BeihangUniversity，Beijing100191) ABSTRACT Accordingtothedifferentimportanceoffeaturesduringthefeatureintegration processinmodeling computationofvisualselectiveattention，amethodofweightestimationfordifferentfeaturesispresented tohighlighttheacceptablesaliencyregionofimageinthebottom—up computationalmode1．Firstly，the color，orientation and intensityfeaturesare extracted bymimickingthefunction offeature sensitive neuronsofhumanprimaR~visualcortex．Thentheimportanceofeachfeatureisestimatedaccordingtothe generalizedGaussiandistribution andthe varianceofitsfeaturemap．Finally，thesaliencyregionsare extracted by weighted integration and normalization． The experimentalresults demonstrate thatthe proposed methodoutperformstraditionalmethodstomeettherequirementofobservers． KeyWords ModelingComputation ofVisualSelectiveAttention，WeightEstimation，FeatureMap Extraction，FeatureIntegration，SaliencyRegionExtraction 国家自然科学基金项目资助 (No 收稿 日期：2010—04—23；修回日期：2011—02—21 作者简介 刘琼，女，1984年生，博士研究生，主要研究方向为模式识别、认知计算．E-mail