基于视觉兴趣区域的相似性分析与图像推荐

发布时间：2017-04-13 03:09

  本文关键词：基于视觉兴趣区域的相似性分析与图像推荐，由笔耕文化传播整理发布。

【摘要】：人机交互系统中,包括如鼠标、键盘等的键入显式反馈和如人眼信息作用的隐式反馈。目前显式反馈应用的较多,而隐式反馈因为技术性问题一直没有得以广泛应用。基于隐式反馈有很高的应用价值,本文重点研究了眼动信息方面的图像相似性分析与图像推荐；以人的观察结果为出发点,本着“以人为本”的原则,对图像做出基于区域的相似性分析和检索,并把检索结果以一定顺序给予人性化推荐。由于单个或少量的观察结果,不足以说明观察者的兴趣倾向性,本文采取对注视区域进行基于底层特征向量聚类的方法,并把聚类结果作为能反映兴趣倾向的区域特征,即文中所提出的视觉兴趣区域。在后续图像检索中,提出九宫格随机点选取方法用于测试图像的区域分割,进行基于区域的图像相似性分析,并把符合一定相似性的测试图像存储于对应的视觉兴趣区域相似集中。在上述聚类过程中,把归为一类的图像的注视程度平均值作为此视觉兴趣区域的兴趣程度,用于衡量观察者对此类特征的感兴趣程度。在兴趣程度的基础上,对相似集中的图像进行一定顺序的推荐；在推荐过程中,本文提出一种更人性化的推荐算法,并在推荐算法的实现细节上,提出相似性阈值自我调整的方式,此方式可以更好的调和相似程度和推荐数量间的矛盾关系。通过整个过程的分析和设计,本文在注视区域的提取、聚类下的兴趣倾向性、区域化测试图像后的相似性分析,以及比较新颖的图像推荐方面提出了较好的解决思路,最后的图像推荐取得了比较好的效果。
【关键词】：人机交互 眼动 兴趣区域 聚类 相似性 图像推荐
【学位授予单位】：南京大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.3
【目录】：

• 摘要5-6
• ABSTRACT6-11
• 第一章 绪论11-19
• 1.1 引言11-12
• 1.2 研究背景12
• 1.3 研究现状和发展趋向12-15
• 1.3.1 国内研究现状13-14
• 1.3.2 国外研究现状14
• 1.3.3 发展趋向14-15
• 1.4 总体方案15-18
• 1.4.1 视觉兴趣区域16-17
• 1.4.2 相似性分析17
• 1.4.3 图像推荐17
• 1.4.5 总体设计17-18
• 1.5 本章小结18-19
• 第二章 注视焦点图的提取19-34
• 2.1 眼动仪19-20
• 2.1.1 眼动仪简介19-20
• 2.1.2 眼动仪交互过程20
• 2.2 眼动数据预处理20-22
• 2.2.1 确定有效注视信息21
• 2.2.2 眼动数据坐标变换21-22
• 2.3 区域生长法获取注视焦点图22-25
• 2.3.1 区域生成法概述22-23
• 2.3.2 注视点区域生长过程23-24
• 2.3.3 焦点图的坐标集合24
• 2.3.4 焦点图的注视程度24-25
• 2.4 焦点图底层特征提取25-30
• 2.4.1 纹理特征提取25-26
• 2.4.2 颜色特征提取26-28
• 2.4.3 形状特征提取28-30
• 2.5 实验和分析30-33
• 2.6 本章小结33-34
• 第三章 视觉兴趣区域VROI的确定34-44
• 3.1 模板匹配算法下的相关系数35-36
• 3.1.1 矩形化焦点图35
• 3.1.2 矩形区域的相关系数35-36
• 3.2 加权融合特征向量间距离方法的相似性度量36-38
• 3.2.1 特征的归一化处理37
• 3.2.2 加权融合各特征距离37-38
• 3.3 K-MEANS聚类方式获取视觉兴趣区域VROI38-41
• 3.3.1 距离矩阵38-39
• 3.3.2 k-means聚类过程和VROI的表示39-41
• 3.4 实验和分析41-43
• 3.5 本章小结43-44
• 第四章 测试图像处理和相似性分析44-54
• 4.1 九宫格随机点选择方法44-48
• 4.1.1 多组随机点中的优选组45-47
• 4.1.2 单组随机点均进行区域生长方式47
• 4.1.3 上述两种方式的结合47-48
• 4.2 模拟注视焦点图的底层特征提取48
• 4.3 模拟注视焦点图在测试图像中的显著性48-49
• 4.4 VROI和测试图像基于区域的相似性分析49-51
• 4.4.1 像素占比加权方式下的相似性度量49-50
• 4.4.3 测试图像和VROI的相似归类50-51
• 4.5 实验和分析51-53
• 4.6 本章小结53-54
• 第五章 基于相似性分析结果进行图像推荐54-61
• 5.1 VROI对应的相似集的存储方式55-56
• 5.2 相似性阈值和图像推荐数量56-58
• 5.2.1 需求图像数量下相似性阈值的设定56-57
• 5.2.2 程序中直接控制所推荐图像的数量57
• 5.2.3 两者间的比较57-58
• 5.3 图像推荐算法设计58-60
• 5.3.1 推荐算法的描述58-59
• 5.3.2 改变VROI倾向顺序的量值59-60
• 5.4 本章小结60-61
• 第六章 总结与展望61-63
• 6.1 成果和创新61-62
• 6.1.1 论文成果61-62
• 6.1.2 论文创新点62
• 6.2 未来展望62-63
• 致谢63-64
• 参考文献64-70
• 攻读硕士学位期间参与科研项目70-71

【参考文献】

中国期刊全文数据库 前10条

1 赵小红;杨培林;;基于MATLAB的区域生长[J];山西师范大学学报(自然科学版);2014年S2期

2 孔超;张化祥;刘丽;;基于兴趣区域特征融合的半监督图像检索算法[J];山东大学学报(工学版);2014年03期

3 闫苗苗;郑元林;戚永红;;基于感兴趣区域图像眼动数据库的建立[J];西安理工大学学报;2014年01期

4 武丽;陈军;张海瑞;;基于傅里叶描述子的形状特征提取的讨论与研究[J];中国科技信息;2013年07期

5 宋真;颜永丰;;基于兴趣点综合特征的图像检索[J];计算机应用;2012年10期

6 陈晓宁;杨润丰;赵健;;基于兴趣点局部综合颜色和纹理图像检索方法[J];电子科技;2012年09期

7 肖潇;王宪保;庄德文;王守觉;;基于均匀区域分割的图像检索研究[J];计算机科学;2012年06期

8 林晨航;潘志斌;邹彬;;基于全局和局部颜色特征的图像检索方法[J];微电子学与计算机;2012年04期

9 周华;蔡超;丁明跃;;基于流形学习和流形高阶近似的图像距离度量[J];华中科技大学学报(自然科学版);2012年03期

10 陈再良;邹北骥;黄敏之;沈海澜;辛国江;;图像亮度特征对ROI提取的影响[J];中南大学学报(自然科学版);2012年01期

中国硕士学位论文全文数据库 前4条

1 刘俊;基于眼动追踪的隐式相关反馈方法研究[D];北京交通大学;2014年

2 孙艳红;基于感兴趣区域的融合多特征图像检索方法研究[D];重庆交通大学;2010年

3 李有锋;基于颜色和纹理特征的图像检索相关算法研究[D];电子科技大学;2009年

4 斯白露;基于感兴趣区域的图像检索方法[D];中国科学院研究生院（计算技术研究所）;2002年

  本文关键词：基于视觉兴趣区域的相似性分析与图像推荐，，由笔耕文化传播整理发布。

本文编号：302657