共查询到19条相似文献,搜索用时 88 毫秒
1.
2.
3.
4.
《微型机与应用》2016,(1)
针对复杂背景下的目标识别问题,提出一种新的基于增量记忆的视觉注意模型。首先根据目标的颜色形状,以及自底向上的原始视觉特征颜色、强度、方向、对称性对目标进行粗定位。在此基础上,利用粗选目标的颜色、形状生成一组自顶向下的偏差信号,对初选目标进行及时指导修正。为了提高识别的准确率,算法设计了一种增量学习记忆的机制来指导偏差信号,所提出的增量注意机制不仅可以不断学习和记忆各类目标的颜色和形状特征,而且利用这种机制可生成一个自顶向下的偏差信号,对关注的候选区域的目标进行精确定位。此外,训练后的增量记忆的颜色、形状特征有助于推断新的未知目标。最后的仿真实验中,与五种典型算法对比,无论是主观还是客观实验,都获得了较优结果。因此,所提算法是一种高效的、切实可行的算法。 相似文献
5.
设计了一种用于检测红外图像小目标检测的多级滤波器。采用级联不同级数的滤波器可以将不同大小的候选目标从复杂背景中分离出来。通过图像高斯金字塔的多分辨率处理,能够改善多级滤波器的滤波效果。 相似文献
6.
运动估计是图像超分辨率重建中的关键环节,直接影响超分辨重建的结果质量。为减少运动估计搜索点数,提高搜索速度,提出一种基于高斯金字塔分层思想的小十字形搜索算法。算法把图像构建成一个两层高斯金字塔,在上层使用小十字形搜索算法估计初始运动矢量,并通过提前终止策略来提前结束搜索;在下层以上层估计结果作为初始值,估计最终图像运动矢量。在标准图像序列上进行的实验结果表明,该算法在保持搜索精度的前提下能明显提高搜索速度;特别对于在运动偏差较大的情况下,提高效果更显著。 相似文献
7.
8.
基于局部复杂度和初级视觉特征的自底向上注意信息提取算法 总被引:3,自引:1,他引:3
借鉴心理学中有关视觉注意的研究成果,提出了一种新的自底向上的注意信息提取算法.自底向上的注意信息由图像中每个点对应区域的显著性构成,区域的尺度自适应于局部特征的复杂度.新的显著性度量标准综合考虑了局部复杂度、统计不相似和初级视觉特征这3个方面的特性.显著区域在特征空间和尺度空间中同时显著.获取的自底向上的注意信息具有旋转、平移、比例缩放不变性和一定的抗噪能力.以该算法为核心,构建了一个注意模型,将其应用于多幅自然图像的实验证明了算法的有效性. 相似文献
9.
10.
11.
人类的视觉注意机制是人类大脑感知事物的最直接的功能。提出了一种基于视皮层视觉机制的生物激励注意模型。利用HMAX(hierarchical maximization)模型的四层机制中的C1细胞单元图,构造独立成分分析(independent component analysis,ICA)滤波器组,进一步利用对尺度、平移等均具有不变性的C2细胞特征,以及香农熵理论,共同构造用于视觉显著性区域检测的测度。在心理学实验的自然场景图像以及心理学刺激模式上的结果表明,该方法与传统方法相比,更符合人眼的感知特性,从而进一步验证了该方法的有效性和准确性。 相似文献
12.
13.
14.
15.
视觉选择性注意模型的应用是当今认知信息处理领域的研究热点。根据人类视觉感知理论,在介绍具有代表性的视觉注意模型(Itti模型)的基础上,在特征提取的初级阶段引入新的低层视觉特征,形成一种新的引导注意的显著图,从而实现较为准确的目标检测。结果证明该方法在一定程度上避免了漏检测现象的发生,使得注意区域更能接近生物视觉系统的实际。 相似文献
16.
Hierarchical Visual Attention Model for Saliency Detection Inspired by Avian Visual Pathways 下载免费PDF全文
Visual attention is a mechanism that enables the visual system to detect potentially important objects in complex environment. Most computational visual attention models are designed with inspirations from mammalian visual systems. However, electrophysiological and behavioral evidences indicate that avian species are animals with high visual capability that can process complex information accurately in real time. Therefore, the visual system of the avian species, especially the nuclei related to the visual attention mechanism, are investigated in this paper. Afterwards, a hierarchical visual attention model is proposed for saliency detection. The optic tectum neuron responses are computed and the self-information is used to compute primary saliency maps in the first hierarchy. The "winner-take-all" network in the tecto-isthmal projection is simulated and final saliency maps are estimated with the regularized random walks ranking in the second hierarchy. Comparison results verify that the proposed model, which can define the focus of attention accurately, outperforms several state-of-the-art models. This study provides insights into the relationship between the visual attention mechanism and the avian visual pathways. The computational visual attention model may reveal the underlying neural mechanism of the nuclei for biological visual attention. 相似文献
17.
引入视觉注意机制的目标跟踪方法综述 总被引:2,自引:0,他引:2
视觉跟踪在无人飞行器、移动机器人、智能监控等领域有着广泛的应用,但由于目标外观和环境的变化,以及背景干扰等因素的存在,使得复杂场景下的鲁棒实时的目标跟踪成为一项极具挑战性的任务. 视觉注意是人类视觉信息处理过程中的一项重要的心理调节机制,在视觉注意的引导下,人类能够从众多的视觉信息中快速地选择那些最重要、最有用、与当前行为最相关的感兴趣的视觉信息,特别地,人类能够快速指向感兴趣的目标,从而可以轻松地实现对目标的稳定跟踪.因此,将视觉注意机制引入到复杂场景下的目标跟踪中,有利于实现更为稳定和接近于人类认知机制的视觉跟踪算法.本文旨在对引入了视觉注意机制的目标跟踪方法进行综述. 首先,介绍了视觉注意的基本概念及其代表性的计算模型;其次,对视觉注意与跟踪的内在关系进行了阐述;然后,对引入视觉注意机制的目标跟踪方法进行归纳、总结和分类,对代表性的方法进行介绍和分析;最后,对该类方法的特点和优势进行了讨论,并对未来的研究趋势进行了展望. 相似文献
18.
视觉选择性注意机制是人类视觉系统的重要组成部分。近年来的研究表明,自下而上的视觉选择性注意模型在物体识别等方面得到了良好的应用。但是,视觉选择性注意模型在描述图像内容时存在着明显的不足,一个显著的特征在某些情况下可能不会得到注意,人眼更可能会注意到一幅图像里比较稀少的特征。针对上述情况,提出了一种基于视觉选择性注意模型和全局稀少性相结合的视觉注意模型进行图像分类。实验结果表明,该方法在多类物体分类中达到97.74%的总准确率,取到了非常好的效果。 相似文献