面向复杂动态环境的新型视觉注意力选择计算模型研究

视觉注意力模型是计算机视觉领域相对较新的一个研究方向，它通过对视频或图像中最感兴趣的区域进行选取，增强计算机视觉系统的实时性、有效性和智能化程度，是既具有理论研究价值又具有市场应用前景的研究课题。面向复杂动态环境的注意力计算模型一方面考虑到了计算机视觉系统在实际中可能面对的环境的复杂性和任务的多样性，另一方面将生物视觉机制引入到计算模型中。该模型通过添加特征整合模块将基于空间的显著性转化为基于目标的显著性，通过时空联合预测模块为复杂环境下不同层次的显著性构建统一的检测标准，通过带有反馈机制的目标识别模块使模型具有简单的记忆和逻辑推理能力，从而全面提高模型的工作效率，准确性和智能化程度。课题目标是构建一个能够适应复杂动态环境和非特定任务的注意力计算模型；为注意力模型在计算机视觉系统中的实际应用建立理论基础与实验平台；促进神经科学与计算科学在视觉系统方面的交叉与合作。

项目主要针对视觉注意力计算模型及其在模式识别、图像处理和计算机视觉领域的应用开展了研究工作。具体完成的研究内容包括面向目标显著性检测的“注意前粗分割”算法、基于空域特征的图像显著性检测算法、基于频域特征的图像和视频显著性算法、以及视觉注意力选择模型在场景识别、目标检测和目标跟踪方面的应用。提出了基于超像素与CRF模型的注意前目标粗分割算法、基于多特征融合与目标预选取的显著性检测算法、基于多维幅度谱调制的图像与视频显著性检测算法及其生物相似性分析模型、基于视觉显著性检测的静态场景特征选择与提取算法、基于特征显著性的人体检测与跟踪霍夫森林算法、基于视觉注意力选择模型的CT图像腰椎间盘定位与分割算法,。建立了以六轮移动机器人为载体的动态视觉注意力选择实验平台，设计开发了视觉显著性检测算法Matlab工具箱一套、视觉目标跟踪算法matlab工具箱一套。发表SCI、EI检索论文？？篇，在此项目的基础上参与申获国家863子课题1项、辽宁省自然科学基金1项、高校基础科研业务费重大科技创新项目1项。培养硕士研究生8人、博士研究生3人，比较圆满地完成了研究计划中规划的科研与人才培养工作。