《主動視覺注意的語義認知計算模型研究》是依託重慶大學，由楊丹擔任項目負責人的面上項目。
基本介紹
- 中文名：主動視覺注意的語義認知計算模型研究
- 項目類別：面上項目
- 項目負責人：楊丹
- 依託單位：重慶大學
中文摘要,結題摘要,
中文摘要
計算機模仿人類視覺認知機理，實現對視覺信息的主動獲取和理解是一個極具挑戰的課題。本項目以揭示在人類視覺選擇注意機制下對視覺圖像認知的規律為目標，研究視覺信息認知計算中多特徵融合的視覺特徵的特性和表征，探討採用流形學習和聚類技術構造出能更好反映圖像語義的高效視覺單詞本；通過潛在統計結構學習、聚類和魯棒參數估計等方法，探尋圖像、圖像主題和視覺單詞之間雙向推理學習的內在機理；建立具有較強魯棒性的圖像語義認知計算模型；最後結合人類視覺選擇性注意特性，實現以高層語義知識為驅動的選擇性注意對象主動認知模型，從而發展基於空間觀點的視覺注意模型，豐富基於物體對象的視覺注意感知研究。項目成果將為圖像理解、目標跟蹤和海量圖像信息檢索等研究提供新的理論方法和技術手段。
結題摘要
實現計算機對視覺信息的主動感知、識別、學習和推理一直是計算機科學發展過程中的挑戰性問題。為了揭示在人類視覺選擇注意機制下計算機對視覺信息認知的規律，本項目深入研究了滿足圖像認知需求的底層視覺特徵提取和表征的方法以及多特徵融合的機理，得到一系列成果，如基於梯度相關矩陣的角點檢測算法，基於LoG變換的不變區域檢測方法，基於非負矩陣分解和稀疏表示的圖像特徵提取方法，視覺特徵降維和聚類的統一框架以及魯棒視覺字典本的構造算法等等。本項目還重點研究了圖像、多特徵基元、視覺語義之間的潛在關係和雙向學習機制以及具有語義認知功能的圖像視覺注意的內在規律和選擇性注意模型的建立，提出了基於潛在語義分析（LSA）的形狀語義分析方法和基於顯著視覺注意力的自底向上顯著區域檢測模型。本項目已圓滿完成了原計畫的所有工作, 項目成果已發表在國內外著名期刊Pattern Recognition，IEEE Transactions on Broadcasting，Journal of Electronic Imaging, Sensor Letters，自動化學報，電子與信息學報，光電子•雷射上，總計論文16篇，其中SCI檢索5篇，EI檢索7篇。
