视觉显著性及其在自动目标识别系统中的应用

发布时间：2017-08-16 14:07

  本文关键词：视觉显著性及其在自动目标识别系统中的应用

  更多相关文章： 视觉注意 视觉显著性 视点预测 显著物体检测 红外成像 遥感光学成像 自动目标识别 目标检测

【摘要】：视觉注意机制揭示了人眼对输入场景的特定感知模式,其中,视觉显著性描述了场景中蕴含重要价值的视觉子集区域,它有助于人类视觉系统完成从复杂场景中迅速过滤冗余信息、准确提取有效信息这一重要过程,优化了大脑对摄入信息的处理效率。视觉显著性表现出的强大的信息筛选能力,使得它在节省计算资源的同时,大幅度提升了系统的准确性和鲁棒性,这对自动目标识别(ATR)系统中目标检测、识别、跟踪等核心技术朝着智能化方向发展有着重要的指导意义。 论文在讨论了视觉显著性的研究意义及其对ATR系统的应用价值的基础上,分别对视点预测和显著物体检测等视觉显著性模型的构建、及其在红外图像小目标检测和遥感光学图像舰船目标检测中的应用展开深入研究,提出了一系列视觉显著性计算及应用的新方法。论文的主要工作如下： 在视点预测模型的探索方面,对初级视觉皮层的研究表明,携带有效信息的少量神经元与携带冗余信息的多数神经元之间的相关性较弱,同时它们对于刺激也更加敏感。据此,提出了一种基于视觉特征去相关性与信息活跃性加权的视点预测方法,以结合并验证前述视觉特征特性对场景视点预测的表达作用。实验结果表明,该方法可以有效提高视点预测的准确性,对该领域的研究提供了一些有利线索。 在显著物体检测方面,针对传统的基于特征对比的显著物体检测方法无法克服复杂场景中背景杂波干扰及显著物体内部区域特征差异较大等问题,提出了一种结合特征对比与物体视觉组织规则的显著物体检测方法。它包括对比显著性计算和物体视觉显著性滤波两个阶段。前者表达了颜色特征独特性、空间紧致性、成像背景先验及成像中心先验等对比要素,后者根据格式塔视觉组织规则,对构成物体的结构元素所具有的闭合性、相似性和邻近性进行描述。该方法不仅对复杂背景有效,它也适用于场景中显著物体数目不限的情况。 在Boolean图视觉注意原理的启发下,提出了一种基于Boolean图视觉特征表达的单帧图像红外小目标检测方法。该方法根据观察者在任一瞬时对目标的注意仅由选定特征对应的场景Boolean图表征,并结合远距红外成像中目标呈现的局部高亮性与类高斯形状等特点,采用颜色与方向特征通道Boolean图加权融合的方式,实现目标增强与背景抑制。这种方法具有广泛的适用场景,对多种复杂背景图像具有鲁棒的检测性能。 利用视觉显著性能够从固定模式中抽取独特模式的作用,提出了一种基于方向显著模式的单帧图像红外小目标检测方法。该方法根据小目标与背景所表现出的纹理模式差异,即前者具有接近各向同性的类高斯形状,而后者呈现局部方向条形纹理这一特点,采用视觉显著性计算对目标进行提取。实验结果表明,它能有效克服多种复杂场景下的杂波干扰,对红外小目标具有很好的检测性能。 针对遥感光学图像中云杂波、海杂波、舰船浪迹及目标尺度变化等因素对舰船检测造成的干扰,提出了一种基于视觉显著性和S-HOG描述子的无监督遥感舰船检测方法。视觉显著性能够突出显著信号并过滤冗余信息,有助于候选目标区域的确定和对杂波背景的抑制。S-HOG描述子则可以克服舰船浪迹杂波,并适用于多种尺度下的目标表达。该方法对遥感光学图像中的舰船目标检测非常有效。
【关键词】：视觉注意 视觉显著性 视点预测 显著物体检测 红外成像 遥感光学成像 自动目标识别 目标检测
【学位授予单位】：华中科技大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TP391.41
【目录】：

• 摘要4-6
• Abstract6-10
• 1 绪论10-39
• 1.1 引言10-19
• 1.2 视觉显著性的研究意义与内容19-27
• 1.3 视觉显著性计算方法综述27-30
• 1.4 基于光学成像的自动目标检测方法综述30-34
• 1.5 本论文的主要工作34-37
• 1.6 本文的课题来源及章节安排37-39
• 2 基于去相关特征活跃性描述的视点预测算法研究39-57
• 2.1 概要介绍39-40
• 2.2 基本概念40-45
• 2.3 视点预测模型45-49
• 2.4 实验结果与分析49-55
• 2.5 本章小结55-57
• 3 基于特征对比与物体视觉组织的显著物体检测算法研究57-82
• 3.1 概要介绍57-58
• 3.2 对比显著性58-63
• 3.3 物体视觉组织显著性63-71
• 3.4 实验结果与分析71-80
• 3.5 本章小结80-82
• 4 基于Boolean图视觉原理的红外小目标检测算法研究82-98
• 4.1 概要介绍82-83
• 4.2 基本概念83-86
• 4.3 基于BooLEAN图视觉原理的小目标检测方法86-91
• 4.4 实验结果与分析91-96
• 4.5 本章小结96-98
• 5 基于方向显著模式的红外小目标检测算法研究98-115
• 5.1 概要介绍98-99
• 5.2 基本概念99-101
• 5.3 基于四元素相谱的小目标检测方法101-103
• 5.4 基于多通道融合的小目标检测方法103-106
• 5.5 实验结果与分析106-113
• 5.6 本章小结113-115
• 6 基于视觉显著性与S-HOG描述子的遥感舰船检测算法研究115-134
• 6.1 概要介绍115-117
• 6.2 目标预筛选117-120
• 6.3 舰船目标判别120-125
• 6.4 实验结果与分析125-132
• 6.5 本章小结132-134
• 7 全文总结与研究工作展望134-140
• 7.1 本文研究内容总结134-136
• 7.2 本文创新之处说明136-137
• 7.3 进一步研究工作展望137-140
• 致谢140-142
• 参考文献142-157
• 附录1 作者在攻读博士学位期间科研成果157-160
• 附录2 公开发表的学术论文与博士学位论文的关系160-161
• 附录3 作者在攻读博士学位期间参与的项目161

【相似文献】

中国期刊全文数据库 前10条

1 金易;发展中的自动目标识别技术[J];知识就是力量;1994年05期

2 J.L.Morey ,顾聚兴;光学系统加速自动目标识别[J];红外;2000年01期

3 季虎,夏胜平,郁文贤;一种可行的自动目标识别框架方案[J];雷达与对抗;2001年02期

4 何峻;赵宏钟;付强;;自动目标识别性能评估指标简述[J];电讯技术;2007年05期

5 陆荣铿;;自动目标识别系统[J];红外与激光技术;1988年03期

6 张秉华;;自动目标识别(综述)[J];光学工程;1989年04期

7 廖朝佩;;自动目标识别器的发展现状及应用分析[J];红外与激光技术;1992年02期

8 何国威,刘建国;利用Dempster-Shafer信息融合进行自动目标识别[J];计算机与数字工程;2000年06期

9 陈东,沈振康,李飚,刘文华,王炜华,李吉成;一个基于神经网络的航空照片自动目标识别算法[J];电子与信息学报;2001年07期

10 王国田;光电混合自动目标识别技术研究[J];红外;2001年05期

中国重要会议论文全文数据库 前3条

1 罗四;李少洪;;灰色关联分析法用于雷达自动目标识别的研究[A];第十三届全国信号处理学术年会（CCSP-2007）论文集[C];2007年

2 徐福泽;蒋本和;段中华;闫飞翔;;基于Hough变换的红外图像自动目标识别技术[A];第十一届全国红外加热暨红外医学发展研讨会论文及论文摘要集[C];2007年

3 高倩;吴仁彪;刘家学;;一种基于自适应幂变换的HRRP-ATR方法[A];第十一届全国信号处理学术年会（CCSP-2003）论文集[C];2003年

中国博士学位论文全文数据库 前8条

1 徐丹蕾;基于稀疏贝叶斯学习的雷达自动目标识别方法研究[D];西安电子科技大学;2015年

2 漆f翔;视觉显著性及其在自动目标识别系统中的应用[D];华中科技大学;2015年

3 何峻;自动目标识别评估方法研究[D];国防科学技术大学;2009年

4 董政;日盲紫外探测系统自动目标识别的研究[D];电子科技大学;2011年

5 汪洋;面向自动目标识别的图像压缩关键技术研究[D];国防科学技术大学;2006年

6 韩萍;SAR自动目标识别及相关技术研究[D];天津大学;2004年

7 潘晴;生物视觉模型在自动目标识别技术中的应用研究[D];华中科技大学;2007年

8 贺柏根;电视末制导自动目标识别研究[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2012年

中国硕士学位论文全文数据库 前10条

1 马育才;雷达自动目标识别系统分析与实现[D];西安电子科技大学;2010年

2 高倩;基于高分辨率雷达距离像的自动目标识别研究[D];南京航空航天大学;2002年

3 罗峰;合成孔径雷达图像自动目标识别方法研究[D];四川大学;2005年

4 景亮;复杂环境下自动目标识别检测技术研究[D];电子科技大学;2013年

5 刘卓;基于曲线波变换和核支撑矢量机的SAR自动目标识别方法研究[D];西安电子科技大学;2010年

6 肖宁;基于高分辨一维距离像的雷达自动目标识别技术研究[D];西安电子科技大学;2014年

7 谭剑波;PCA子空间法在雷达自动目标识别中的应用[D];西安电子科技大学;2005年

8 韩文婷;SAR图像自动目标识别研究[D];西安电子科技大学;2014年

9 常明;SAR自动目标识别中的特征提取技术研究[D];西安电子科技大学;2010年

10 刘伟;自动目标识别系统效能评估方法研究[D];国防科学技术大学;2007年

，

本文编号：683686