基于目标的注意模型及在图像分割和目标检测中的应用

模拟人类的视觉注意机制解决计算机视觉领域的显著区域提取和快速目标检测，是认知科学和计算神经科学的热点课题，而基于目标的注意对检测识别具有更直接和更重要的作用。本课题通过借鉴神经科学和认知科学的研究成果，利用数理统计的方法为格式塔规则建模，并据此定义目标级的显著性；利用机器学习的方法，在知觉组织的基础上构建具有尺度效应的基于目标的注意模型；为提高模型在复杂场景下的鲁棒性，将先验知识分为弱先验和强先验，分别模拟底层神经元在自顶向下信息指导下的响应特性，和利用形状流形技术，构建任务驱动的注意。研究成果在图象分割、真实场景中的目标检测，以及机器视觉等领域都有广泛应用，将为智能化信息处理提供新思路，新技术。

本项目探索注意机制的认知机理以及神经计算模型，并将其应用于目标检测和图像分割。该研究对于理解人类视觉神经加工机制，并构建智能信息处理系统具有重要意义。. 在认知机理方面，本项目重点研究了初级视皮层如何为注意机制提供有效输入，包括V1皮层的不变特征表示、超完备基、层次化网络拓扑结构对显著性检测的影响。研究了格式塔认知心理学对显著性的定义、形成感知目标的知觉组织过程，以及在此基础上的图形背景分割（figure-ground segregation）。在神经计算模型方面，在充分研究了注意机制的认知机理与神经处理模式后，本项目建立了基于初级视皮层的信息编码的自底向上的注意计算模型。在对弱先验信息和强先验信息建立定量的模型后，本项目构建了基于空间和形状先验的自顶向下的注意计算模型。在利用机器学习的方法实现了知觉组织的基础上构建了具有尺度效应的基于目标的注意模型。. 本项目积极探索了这些模型和方法在目标检测和图像分割方面的应用，成功研制了模拟注意机制的交通标识检测系统，和基于形状先验的图像分割原型系统。在上述实际系统中验证了理论框架和模型算法的有效性和实用性。. 总体来说，本项目按照计划执行。在本项目的资助下，发表研究论文21篇，其中SCI 检索论文9篇，EI检索论文13篇，ISTP检索论文8篇。获得授权专利一项。培养了博士生4名，硕士生2名。 . 在圆满完成基金项目原计划内容的同时，我们还以此为依托，成功申请到了北京市自然科学基金“模拟初级视皮层的视觉表象模型与验证”，展开本项目的后继研究工作。