视觉注意模型及其在显著目标检测中的应用研究

This project mainly carries out the research on the bottom-up visual attention model and application on salient object detection to make the computers at least partially exhibit the similar characteristics of the human visual perception and cognition system. The visual attention model, which aims to narrow the gap between current research achievements and human visual perception results, computes the image saliency, and then it helps to seek the most attractive region or object which can express the image's main context and effectively realize the salient object detection eventually. The project will mainly carry out the research work in the following three aspects: (1) the saliency map detection models will be built up by studying on the number, type, description and extraction manner of image low-level features and the fusion schemes of their feature maps; (2) the single salient object detection methods will be studied through the saliency feature analysis of the pro-object and its background, multi-scale segmentation and salient edge detection; (3) the multiple salient objects detection algorithms will be explored by the distance measurement, object mergence and fixation object shift model. The expected results of this project would be applied into many practical systems of image analysis and understanding and computer vision, and provide new insight into the further research of human visual information processing system.

本项目主要研究自底向上的视觉注意模型及其在显著目标检测中的应用，从而使计算机具有类似人类视觉感知的信息认知处理能力。通过对视觉注意模型的研究进行显著性计算，主要旨在缩小现有研究成果与人眼视觉感知结果仍存在的一定差异，在此基础上再进行显著目标检测研究，以此寻找出图像中最能表达主要内容的显著区域或目标，提高计算机信息处理效率。本项目主要围绕以下三个方面展开研究和创新：（1）通过对图像底层特征数量、类型、描述形式和提取方式以及对各特征图融合方法的研究建立视觉注意模型；（2）通过对显著目标和背景的显著性特征研究以及对多尺度分割和显著边缘检测方法研究开展单显著目标检测方法探索；（3）通过对物体对象距离度量方法和注意对象转移模型研究进行多显著目标检测方法的探索研究。预期成果可应用于许多图像分析理解和计算机视觉系统，并可为探究人类视觉信息处理系统的进一步发展提供新思路。

视觉显著目标检测是计算机视觉领域的一个国际前沿研究热点。目前各类自底向上的视觉显著性模型对于背景杂乱、显著目标结构纹理复杂、前景背景低对比度和多个目标尺度差异较大的图像生成的显著性图质量较差，尚不能均匀完整高亮显著目标物体并同时有效抑制无关背景。针对上述问题，本项目充分研究了视觉注意机制的认知机理和神经处理模式，在此基础上，结合中低层的手工特征和上层的先验知识研究和建立新的自底向上的视觉注意模型并应用于显著目标的检测与分割。. 该课题的主要成果可概述为以下三个方面：1. 在基于视觉注意模型的特征描述和提取方面，提出了结合颜色和纹理特征进行显著性扩散的视觉显著性计算模型，在背景以纹理为主图像上获得了高质量的显著性图；2. 在显著目标检测方面，提出了基于似物性先验和空间紧凑度先验的显著目标检测方法，有效提高了在背景具有重复性结构图像上的显著目标分割质量；提出了利用边界连通性准则度量边界节点的背景概率，并借助吸收马尔科夫链进行显著性扩散的显著目标检测模型，有效提升了算法在多目标图像上的检测性能；3. 作为该课题的扩展，研究了基于视觉注意模型的显著目标检测方法在异常行为检测中的应用。. 已发表论文19篇，其中SCI检索论文5篇（SCI-2区1篇，SCI-4区4篇），EI检索论文4篇，协助培养了硕士研究生3名。上述研究成果对于构建具有人类视觉感知能力的智能信息处理系统具有重要意义，在国防、视频监控和机器人等相关领域具有广泛的应用前景。