面向复杂场景自动目标检测和识别的变换域视觉注意模型研究

Existing technologies for data processing cannot meet practical requirements seriously, when dealing with numerous data provided by remote sensing imaging equipments. In recent years, much importance has been attached to automatic object detection and recognition that is considered as an effective way of extracting important information from remote sensing images. Inspired by the mechanism of human visual attention, this project will investigate new theories and new methods about transform domain-based visual attention model for automatic object detection and recognition. By using visual attention methods to process the remote sensing images of complex scenes effectively, we can rapidly select several important candidate regions for further object recognition. This method will break through the traditional framework that uses an image's high-level information to process the whole image region pixel by pixel. Thus it can perform automatic object detection and recognition that is effective and fast in engineering applications. If our project is accomplished, it can provide new theories and new methods for solving the problem of automatic object detection and recognition in remote sensing images. Especially, it can provide a universal method and measure in consideration of the fact that numerous remote sensing data lack effective processing and analyzing tools. Furthermore, based on our theoretical researches, we integrate these new methods with a compressed sensing system. This system allocates its sensing and computing resources under the guidance of visual attention, and therefore performs compressed sensing for image signals that conforms to the characteristics of human visual perception.

面对遥感成像设备提供的大量数据，现有的数据处理技术已无法满足实际需求。而自动目标检测与识别作为从遥感图像中提取重要信息的一种有效途径，近年来格外受到重视。本项目以人的视觉注意机制为基础，探索基于变换域视觉注意模型的自动目标检测与识别的新理论和新方法。通过视觉注意方法对各种复杂场景遥感图像进行有效处理，能够快速地挑选出少数重要的候选区域进行目标识别，它将突破目前普遍采用的利用图像高层信息对全部图像区域进行逐像素加工的处理框架，从而实现工程上有效、快速的自动目标检测与识别。该项目的实现，将为解决遥感图像自动目标检测和识别的问题提供新的理论和方法。尤其是，在目前大量遥感数据缺乏有效的处理和分析工具的情况下，它可以提供一种较为通用的有效处理方法和手段。此外，在理论研究的基础上，将这些新方法与压缩感知系统相结合，通过视觉注意的引导来分配系统感知资源和计算资源，实现符合人类视觉感知特性的图像压缩感知。

本项目的研究以人的选择性视觉注意机制为基础，深入研究了基于变换域的选择性视觉注意模型，同时探索了基于空间域的视觉显著性检测方法。在已取得良好工作的基础上，围绕在多光谱遥感图像、可见光遥感图像、以及合成孔径雷达图像等复杂场景中的自动目标检测与识别的相关问题，提出了既能快速实时计算、又能够准确检测到场景显著性的新理论和新方法。在本项目中，我们提出了基于沃尔什-哈达玛变换二元谱的选择性视觉注意计算模型，与传统方法相比，该模型计算复杂度最小，计算速度有数量级的提升，而且对小目标有着非常好的检测性能，该算法已应用于多光谱遥感图像以及合成孔径雷达图像的海上舰船目标检测。同时，我们与其他研究单位合作，把视觉显著性的思想应用到遥感和雷达图像的场景数据分析与处理，解决了若干遥感和雷达图像地物目标检测与分割的问题。另外，我们还探索了基于空间域的视觉显著性检测方法，针对现有显著性检测方法输出分辨率低和缺乏生物合理性的问题，提出了一种既有生物合理性，又能够获得全分辨率显著图的除法归一化方法，该方法仅仅利用颜色和亮度特征来获得显著图，计算简单高效，无论显著目标尺寸大小，都能够找到其精确的轮廓，尤其是能够非常精确地检测到颜色的细微变化，与人的视觉感知情况相吻合。本项目在理论研究和实际应用方面均取得了一批有特色、有影响的成果，为解决复杂场景中的自动目标检测与识别问题提供了新的方法和技术手段。在本项目执行期内，我们较好地完成了预定计划中的各项工作，计划中的几方面工作都有了较好的进展，本项目达到了预期目标，这为今后进一步的研究工作打下了坚实的工作基础，同时也为选择性视觉注意计算模型的进一步应用展示了良好的前景。