图像感兴趣区域提取方法地研究.pdf

摘要 人类视觉系统处理较为复杂的场景时，会将其视觉注意力集中 于该场景的少数几个对象，并将这些对象优先处理，力求在最短时 间获取场景中的主要信息，此过程称为视觉注意过程，这些对象在 场景中构成的区域即为感兴趣区域(regionofinterest，ROI)。提取图像 的ROI可大大降低图像处理时的计算量，有效提高信息处理的效率。 图像ROI的提取分析与研究对图像压缩与编码、图像检索、目标检 测与识别、场景分析和主动视觉等领域有着极高的应用价值。 本文围绕图像ROI的提取问题，分别从眼动实验数据、图像底 层特征、视觉注意模型和高层语义等方面结合起来进行研究，主要 工作如下。 (1)提出了一个基于眼动数据的图像ROI提取算法。设计眼动 实验，并利用眼动仪获取被试者的眼动数据，经数据筛选和坐标变 换等处理后得到有效的注视数据，通过高斯分布模拟、“标记山头法’’ 寻找注意焦点和种子填充等过程提取有效被试者的眼动ROI，将提 取到的眼动ROI作为图像真实的ROI，用以评判其它方法得到的ROI 的效果。 (2)以颜色特征为基础，研究多个底层特征结合视觉注意对ROI 提取的影响，提出了颜色特征的ROI提取和底层特征最佳权重等2 个算法：一是根据颜色理论设计饱和度等8种颜色特征，融入视觉 注意模型，获取计算显著图，对比眼动数据生成的显著图，设计优 化颜色特征选择规则和图像分割算法，实现ROI自动精确提取。二 是结合颜色、亮度、方向和纹理等四种底层特征，对眼动ROI和基 于图像底层特征提取的ROI区域评价，分析四种底层特征对不同类 型的图像ROI提取的影响程度，得到底层特征提取ROI时的最佳权 ；j二 戛o (3)通过有效类比眼动实验和眼动轨迹，提出了基于显著点和 显著区域2个ROI提取算法。针对显著点，从统计学角度出发，结 合K．means聚类算法，采用形态学方法检测图像轮廓，将聚类中心 作为种子点对图像轮廓图进行种子填充，并与输入图像掩膜，实现 ROI的提取。针对显著区域，利用改进的Grabcut图像分割算法和视 觉注意模型生成的显著图，代替用户对输入图像的前景或背景进行 指定引导的交互式过程，完成ROI的提取。 (4)提出了一种融合自底向上(bottom．up)和自顶向下(top． down)信息的图像ROI提取算法。该算法将观察者携带的观察任务 等top．down信息转换为图像底层特征的不同权重值，同时结合Itti 现观察者所携带的任务与图像视觉刺激相结合的ROI提取。将观察 者的查询意图以及对图像的理解转换为显著图权重的方式，即通过 对底层特征加以相应权重来影响显著图的求解，缩短了观察者的查 询意图与图像底层特征间的鸿沟，提取出来的ROI更符合观察者的 要求。 关键词ROI，底层特征，眼动数据，显著图，视觉注意 ABSTRACT Humanvision oftenfocusesvisual system attentiononsome special ofthescene objects when arelative sceneand processing complex these in SOasto themain processesspecialobjectspriority get informationofthesceneinminimum time．nliS iScalledvision process attention．111eofwhichthe inthescene is region specialobjects