基于眼动注视点和多尺度卷积神经网络的显著目标检测

发布时间：2023-05-11 04:55

　　随着互联网和多媒体技术的快速发展,图像逐渐成为人们传递信息的重要载体。如何有效的从海量地图像数据中过滤冗余信息并提取出图像中的显著区域已经成为图像处理领域的热门问题,图像显著目标检测是解决该问题的一个重要方法。通常,基于底层特征的显著目标检测模型虽然在简单图像中取得了较好的效果,但是没有考虑人眼的视觉特性和高层语义特征,因此无法满足复杂图像的显著目标检测需求。卷积神经网络通过监督学习可以有效的提取图像的高层语义特征,被广泛地应用于图像处理领域。眼动记录了人眼在观察图像时的运动信息,为了解人眼的视觉感知和真实意图提供了依据,利用眼动可以很好地模拟人的视觉选择注意机制。基于以上考虑,本文提出了一种结合眼动注视点和多尺度卷积神经网络的图像显著目标检测模型,充分利用眼动数据提取图像的高层语义信息,有效提高了显著性检测的性能。本文的主要工作有:(1)提出了一种基于多尺度卷积神经网络的显著目标检测模型。首先,使用循环卷积神经网络提取图像的高层语义特征,通过反卷积网络将该特征非线性映射为分层的特征图;然后对特征图提取多尺度的显著先验图;最后通过融合卷积网络得到最终的显著图。(2)提出了融合眼动注视点...

【文章页数】：53 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
        1.2.1 自底向上的显著目标检测方法
        1.2.2 自顶向下的显著目标检测方法
    1.3 主要研究内容和论文结构
第2章 相关知识
    2.1 卷积神经网络
        2.1.1 卷积神经网络特点
        2.1.2 卷积神经网络结构
        2.1.3 卷积神经网络优点
    2.2 常用的卷积神经网络模型
        2.2.1 AlexNet网络
        2.2.2 VGG网络
        2.2.3 RCNN网络
    2.3 基于卷积神经网络的图像显著目标检测
        2.3.1 DHSN模型
        2.3.2 WSS模型
    2.4 本章小结
第3章 基于多尺度卷积神经网络的显著目标检测
    3.1 基于多尺度卷积神经网络的显著目标检测
        3.1.1 基于RCNN的高层特征提取
        3.1.2 基于反卷积的多尺度显著先验图提取
        3.1.3 基于FCM的多尺度显著图融合
    3.2 实验与分析
        3.2.1 图像库
        3.2.2 评价指标
        3.2.3 实验细节
        3.2.4 实验结果与分析
    3.3 本章小结
第4章 眼动注视点在图像显著性检测上的应用
    4.1 人眼视觉感知系统
        4.1.1 人类视觉信息传递过程
        4.1.2 人眼视觉注意机制
        4.1.3 眼动追踪技术的方法
        4.1.4 眼动的基本模式
    4.2 结合眼动注视点的显著目标检测
        4.2.1 RGB-E的获取
        4.2.2 基于RGB-E的显著目标检测
    4.3 眼动数据与眼动实验
        4.3.1 眼动数据集
        4.3.2 眼动数据采集
        4.3.3 眼动数据分析
    4.4 实验与分析
        4.4.1 实验细节
        4.4.2 实验结果与分析
    4.5 本章小结
第5章 总结与展望
    5.1 本文工作总结
    5.2 未来工作展望
致谢
参考文献
附录A 攻读硕士期间发表的学术论文和参与的科研项目



本文编号：3814202