全局顯著信息指導下的輪廓編組計算模型研究.pdf

1、知覺組織作為人類視覺感知系統(tǒng)的重要組成部分，近年來受到從事神經(jīng)科學、認知心理學和計算機科學等多領域研究人員的高度關注。知覺組織的過程為自然界中的光信號和感知目標之間架起一道橋梁，是人類進行圖像識別、注意分配以及記憶存儲等高級加工過程的基礎。輪廓編組作為以圖像邊緣為編組對象的一種知覺組織，是知覺組織研究中不可或缺的一部分。輪廓編組模型能夠發(fā)現(xiàn)圖像中的顯著結構，是定義和獲取感知目標的重要工具，為實現(xiàn)基于目標的注意模型、目標檢測和目標識別等模

2、型提供保障。因此研究知覺組織的認知和神經(jīng)機制，建立符合人類感知特性的高效的輪廓編組模型，是當前視覺感知系統(tǒng)信息處理理論研究中一個非常重要的問題。
　　 將認知心理學和神經(jīng)科學中有關知覺組織的研究成果應用到計算模型中，是建立符合人類感知特性的輪廓編組模型的關鍵。本文以心理學中格式塔的知覺組織規(guī)則為依據(jù)，將心理學和神經(jīng)科學中的研究成果作為理論基礎，從統(tǒng)計學的角度出發(fā)，強調注意對知覺組織過程的影響作用，提出了符合自然圖像統(tǒng)計特性的格式

3、塔編組線索量化模型，并構建了全局顯著信息指導下的輪廓編組模型。
　　 本文的研究內容依據(jù)建立輪廓編組模型的三個步驟可分為三大部分。第一部分從優(yōu)化輪廓編組輸入的角度出發(fā)，設計實現(xiàn)了適合于輪廓編組的自然圖像中的邊緣檢測算法。第二部分通過分析人類所接受的外部信息的統(tǒng)計特性，建立了邊緣間格式塔編組線索的量化模型。第三部分確定輪廓編組算法的優(yōu)化目標和優(yōu)化過程，從中體現(xiàn)出注意對知覺組織的作用，實現(xiàn)對自然圖像的輪廓編組。本文的主要創(chuàng)新點有：<

4、br>　　 第一，提出了一種基于全局顯著信息的多尺度邊緣檢測算法。與其它邊緣檢測算法相比，該算法能夠獲得較好的邊緣檢測結果，更符合輪廓編組的輸入要求。算法采用非線性的方法將多種特征下的邊緣檢測結果進行融合，保證邊緣的準確和完整；以圖像中顯著區(qū)域的邊界位置作為邊緣檢測的空間先驗知識，有效去除噪聲和細節(jié)邊緣；將空間位置相鄰的邊緣點連接成具有一定長度的邊，確保檢測結果的穩(wěn)定性和對輪廓編組算法的適用性；最后在多尺度的變化中不斷更新空間先驗知識

5、和追蹤每條邊緣的演化過程，用每條邊從出現(xiàn)到消亡過程中的能量總和來度量其顯著性。
　　 第二，提出了輪廓編組中新的邊緣相似性度量方法-有向邊區(qū)域度量。利用自行開發(fā)的交互式的圖形化標注工具，人工標注得到了規(guī)范且準確的有向邊緣數(shù)據(jù)集，并在此數(shù)據(jù)集上，以正則化方差準則為依據(jù)，具體討論了影響有向邊相似性度量的幾個關鍵因素，明確給出了有向邊區(qū)域度量的最佳參數(shù)。有向邊區(qū)域度量的邊緣相似性度量方法克服了邊緣連接方式的不確定性，能夠有效提高相似性

6、線索在輪廓編組中的重要性。在有向邊緣數(shù)據(jù)集上的統(tǒng)計信息顯示，有向邊區(qū)域度量明顯優(yōu)于已有的其它邊緣相似性度量方法。
　　 第三，建立了輪廓編組中生成式的編組線索合并模型。結合認知心理學中有關格式塔規(guī)則的研究，將鄰近性作為輪廓編組中的主導線索，討論了在不同的鄰近性條件下連續(xù)性和相似性線索的聯(lián)合分布情況。用生成式的編組線索合并模型，擬合了連續(xù)性和相似性線索在人工標注數(shù)據(jù)集上具有特殊形式的聯(lián)合分布，準確地描述了編組線索之間的相關性。此模

7、型摒除了以往判別式模型中對于線索不相關的假設，更準確的擬合了由自然圖像統(tǒng)計得到的格式塔編組線索的統(tǒng)計特性，是更為精確的格式塔線索合并模型。
　　 第四，提出了全局顯著信息指導下的輪廓編組算法，并通過對輪廓編組算法的層次化實現(xiàn)了基于目標的注意。該輪廓編組算法以心理學中有關注意對知覺組織作用的研究成果為依據(jù)，用全局顯著信息來指導輪廓編組的過程，實現(xiàn)對自然圖像中顯著感知目標的輪廓編組。模擬注意中的同物效果和禁止返回機制，將輪廓編組算法