《基於真實視點分析的視覺選擇性注意建模》是依託中國科學院大學，由卿來雲擔任項目負責人的面上項目。
基本介紹
- 中文名：基於真實視點分析的視覺選擇性注意建模
- 項目類別：面上項目
- 項目負責人：卿來雲
- 依託單位：中國科學院大學
項目摘要,結題摘要,
項目摘要
生物視覺系統的選擇性注意機制使得它們能將注意焦點置於場景中少量相關位置，快速適應周圍的複雜環境。人眼的視點移動軌跡可視為是人類視覺系統這種選擇性注意的外在表現。因此在大規模數據集上對人眼的視點規律進行詳盡的分析，將加深我們對人類視覺系統注意選擇機制的理解，並對視覺處理算法提供重要借鑑。本項目擬在人類視覺系統的視覺計算皮層網路的低、中、高層分析視點的特徵分布規律。具體研究內容包括：(1) 在視皮層網路結構的底層研究視點基於視覺信息稀疏表示的特徵分布；(2) 在中層研究視點的視覺特徵群組的特徵分布；(3) 在皮層型網路的最高層研究視點在整體特徵上的特徵分布。由於視點的分布是由圖像內容和觀測者的任務共同決定的，因此視點分析包含自由觀測（無任務）的視點分析和帶特定任務觀測的視點分析。項目擬利用先進的視點跟蹤設備採集視點，採用統計學習和數據挖掘等多種數據分析工具，尋找視覺信息處理的規律。
結題摘要
人類視覺系統是一個非常高效的系統，通常只需將視點移動到場景中少量相關位置即可完成相關視覺任務。對人眼視點活動規律的詳盡分析可將對計算機視覺系統提供有益的借鑑。課題在對場景中真實視點進行分析的基礎上，對視覺系統的這種選擇注意進行建模，並在物體識別和視頻編碼等套用進行驗證。 課題從三個方面開展研究：（1）稀疏表示層上的視點分布規律分析；（2）群組特徵層上的視點分布規律分析；（3）整體特徵層上的視點分布規律分析。另外課題還對數據分析涉及的聚類算法和分類算法展開研究，在基礎算法研究方面取得進展。 在稀疏表示層上的視點分布規律分析面，課題通過對視點數據的分析提出了兩個原創性視覺選擇性注意模型：基於空間加權的視覺注意模型和基於人眼頻率敏感的視覺注意模型。其中空間加權的視覺注意模型根據圖像局部區域之間的空間距離和中央偏好特性對局部區域之間的差異進行調製；基於人眼頻率敏感的視覺注意模型基於人類視覺系統頻率敏感，對圖像的不同頻段用人眼對各頻率的敏感性調製。在多個圖像庫和視頻片段上的實驗結果表明，這些模型有良好的注意選擇預測效果。 在群組特徵層上的視點分布規律分析方面，課題研究了視網膜中央凹成像模擬，提出了空間變解析度的區域表示，能降低編碼量且有很好的識別性能；此外，基於視點通常關注較大尺度的場景結構，課題組提出了一種紋理抑制的圖像感興趣目標分割算法，通過抑制對視覺系統不敏感的紋理信息，在圖像分割和目標檢測等任務中系統表現更佳。針對形狀表示，提出了一種基於Voronoi區域特徵的顯著輪廓點匹配算法，能準確表示輪廓點局部的形狀特徵，且通過只保留特徵顯著輪廓點，可降低形狀匹配時間通常保持很好的形狀匹配性能。 在整體特徵層上的視點分布規律分析方面，課題提出了一種視覺搜尋任務中的視點序列預測模型。該模型綜合自底向上顯著性、自頂向下的顯著性以及眼動固有習慣模式對人眼視點的影響，得到了較好的視點序列預測結果。此外，課題提出了一套視覺圖像目標上下文空間相關神經信息編碼系統，通過採用有稀疏回響的群體編碼和協同編碼，系統在很小編碼量的情況下能高效表示物體，在視覺目標搜尋、目標跟蹤和人體動作識別等任務中取得很好效果。 以上相關研究成果在20篇知名國際國內學報和會議上發表，其中6篇被SCI檢索，17篇被EI檢索，並申請發明專利2項，2項發明專利申請得到授權。本課題共培養博士生1名，碩士研究生5名。
