基于注意力驅(qū)動(dòng)模型的圖像檢索方法研究.pdf

1、本文針對(duì)目前基于內(nèi)容的圖像檢索(CBIR)系統(tǒng)在圖像內(nèi)容表示方法方面存在的局限性，探討了基于內(nèi)容的圖像檢索技術(shù)中若干個(gè)重要問題，提出了一種基于注意力驅(qū)動(dòng)模型的圖像檢索方法，著重研究了基于內(nèi)容的圖像檢索中圖像分割以及顯著區(qū)域的提取問題，構(gòu)建了一套完整的圖像檢索方案，并實(shí)現(xiàn)了相應(yīng)的原型系統(tǒng)。實(shí)驗(yàn)結(jié)果表明，本文提出的方案合理地解決了目前基于內(nèi)容的圖像檢索系統(tǒng)中所存在的局限性。 在概括地介紹了基于內(nèi)容的圖像檢索的研究現(xiàn)狀和發(fā)展趨勢(shì)以及關(guān)

2、鍵技術(shù)的基礎(chǔ)上，本文著重論述了圖像中顯著區(qū)域的提取問題。目前基于內(nèi)容的圖像檢索系統(tǒng)大多采用基于全局、半全局特征或基于區(qū)域的特征。這樣占有圖像大部分的背景信息往往決定了檢索結(jié)果，誤導(dǎo)用戶對(duì)檢索結(jié)果的理解。本文在研究了基于區(qū)域的圖像檢索技術(shù)的基礎(chǔ)上，進(jìn)一步提出了基于注意力驅(qū)動(dòng)模型的顯著區(qū)域提取方案，該方法首先使用期望最大化算法(EM)對(duì)圖像進(jìn)行粗分割，然后使Itti-Koch視覺注意力計(jì)算模型提取圖像的顯著圖，最后使用區(qū)域增長(zhǎng)算法提取出圖像

3、的顯著區(qū)域。本文提出的方法使基于區(qū)域的檢索在自底向上的視覺注意力模型的驅(qū)動(dòng)下進(jìn)行，較好地解決了目前圖像檢索系統(tǒng)檢索準(zhǔn)確率低的問題。 本文的創(chuàng)新點(diǎn)在于摒棄了以往提取圖像感興趣區(qū)域的方法，提出了基于注意力驅(qū)動(dòng)模型的顯著區(qū)域提取方法。注意力驅(qū)動(dòng)方法是模擬人的視覺注意力機(jī)制的，從人理解圖像內(nèi)容的特點(diǎn)出發(fā)用認(rèn)識(shí)心理學(xué)中選取注視焦點(diǎn)的模型來提取圖像的顯著區(qū)域。這樣的區(qū)域是視覺上的重要區(qū)域，優(yōu)于現(xiàn)在的感興趣區(qū)域提取方法，因此提高了系統(tǒng)的檢索性