视觉注意的非监督提取彩色图像对象.docxVIP

视觉注意的非监督提取彩色图像对象 本文提出了一种无监督的通用模型的观众的注意力从提取彩色图像的对象。如 果没有图像内容的完整语义理解，模型制定注意对象作为一个马尔可夫随机场 (MRF)通过整合计算视觉注意机制，重视反对种植技术。此外，我们描述了 MRF通过能量函数吉布斯随机场。最小化能量函数的提供了一种实用的方法， 得到关注的对象。880 ±的真实图像和用户实验结果16科目主观评价论证的 有效性提议的方法。 关键词：关注对象，马尔可夫随机场，对象越来越大，视觉注意力。 引言 多媒体应用的内容相关的功能呼吁高效的工具，可以提取有趣在物体的图像。 尽管努力在这个领域很大，大多数方法可以只是的帮助下正常工作或者用户的 交互［1］或卜?几个特定对象的假设应用程序是已知的先验［2］。一与传统方法的 问题是，它们不取人类视觉注意考虑。 视觉注意的是具有神经生物学概念在近距离的对彖集小精神力量的能力观察。 如［3］, ［4］,许多生理实验指岀已经证明，人类视觉系统只能处理在全部细节 输入信息的一部分，而其余的是留下了近未处理。视觉注意的是负责决定［4］什 么样的视觉信息被全部处理。注意强烈主观的，但计算模型关注提供了一种定 量地测量。在［5］, TTTT等。呈现视觉注意力基于显着，计算模型。其主要思 想是基于人类视觉特性与鲜明的特点到他们周围的物体通常被认为。第一，三 个基于造影图像特征被组合以产生一个显着图。然后，一个赢家通吃神经网络 采用以检测注意位置显着图。最近，一些证实，对视觉注意的结论已应用于几 个多媒体应用，包括手写数字识别和人脸识别［6］视频摘要［7］,以及图像适应 ⑻。 在木文屮，无需完整的语义图像理解，我们尝试自动开发的通用框架提取观众 的关注对象基于人眼视觉注意的机制。它是在一个两阶段过程來实现。第一阶 段是生成Ftl TTTT模型［5］的显着图，其编码的图像中的每个位置的注意值。在 第二阶段中，只有少数关注的种子第一选定根据显着图。然后，马尔可夫随机 场(MRF)模型整合注意值和低级别特点是采用按顺序増长的关注对象从这些选 定的关注种子开始。 我们的工作屮的一个重要优点在于，它提取对彖以类似于人类的方式。眼球运 动的研究［9］已经表明，人类主体可能无法并重在图彖中的所有对彖，并口通常 只参加到较少的对彖。起初，他/她通常很快儿眼在图像定位注意(FOCUS)的 几个焦点，并然后集屮在这些FOAs为更多的细节处理。在我们的模型屮，显着 图的产生可以模拟人的在照片一眼的行为。注意选种可能模仿定位FOAs的过 程。注意对彖生长可以被视为上次操作集结。 本文的其余部分安排如下。在第二节，我们介绍了如何将关注的对彖模型。 在第三节，由MRF模型的关注对象提取呈现。实验结果示于第四节。最后，结 论在第五节给出 IIo建模注意对象 基本上，注意的对彖被定义为有意义那些更容易吸引观众的注意力物理实体比 图像中的其它对彖。在我们的工作中，各方关注对彖可以通过三个属性来建 模：关注价值，边集，和同质性的措施。具休而言，注意的在图像屮的对象被 定义为 A0= {AV, ES, UM} 其中AO是指关注对象，AV, ES和HM是关注价值，边集，和同质性措施A0的 分别。 注意值是观众关注的一个量化指标在一个关注对彖。它是在图彖的换算显着图 (SM) o在本文屮，我们利用的类似的想法1TT1的工作[5],得到的SM,因为 它已被支持一些生理实验[4]。 [5],只冇低级别的功能(颜色，强度和方向相 反)被采用计算SM,并没有高级别功能被考虑。眼睛跟踪实验已经表明，人类 通常更加注重物体接近到图像的中心。因此，摄影师总是让他/她感兴趣的对象 到设在图像的中心。在本文中，我们提高在nrr的SM通过将位置提示。为简 单起见，的归一化高斯函数与位于中心影像中心采用修改的SM。进一步来 说，显着性值的计算方法是 SV(i, j)二SV*(i, j)点 G(i, j) 其屮，(1, J)为M* N个彖素的的SM的一个点，SV * (1, J)是其由1TT1模 型(I, J)显着性值是归一化的高斯在中心的功能((M-1) / 2, (N-1) / 2),和SV (1, J)是在(1, J)整合了位置线索的显着值。二SM例子在图 中描绘。1?在SM,较大的像索强度是，越冇可能在像索吸引观察者的注意。 作为边集及均匀性的措施，它们是通常用于描述对象/在图像区域/视频分割技 术。边集包含了所冇的边界一对一悉心对象的像索。在同质化的措施表示通过 一个关注对象的颜色纹理分布。在[10], De昭等推荐一个很好的同质性描述 符，记，关于颜色和纹理的信息。如果是在物体上计算的，它可表征的颜色纹 理对彖的均匀性。然而，如果计算上的局部区域，这是该区威是否是在对彖的 良好指标内