模拟神经反馈机制的显著性计算模型

根据视觉皮层神经元的非经典感受野的调制特性,构造了模拟视觉神经网络反馈机制的显著性计算模型。该模型充分利用神经网络中的反馈机制,模拟视觉皮层神经元之间侧连接所引起的易化和抑制作用,对视频图像序列中全局运动造成的背景噪声进行抑制,从而获得视频运动对象的显著图,提取完整的运动目标。实验结果表明,该计算模型能较好地抑制视频图像序列的全局运动,获得运动对象的显著性图,有效地实现移动镜头下的运动目标检测,且显著性的计算性能高于其它计算方法。

基于多尺度区域对比的显著目标识别

为了对图像中的显著目标进行更精确的识别,提出一种新的基于多尺度区域对比的视觉显著性计算模型。首先基于多尺度思想将图像分别分割为不同数目的超像素,对超像素内的像素颜色值取平均以生成抽象化图像;然后根据显著特征的稀少性及显著特征的聚集性,计算单一尺度下超像素颜色特征的显著性值;最后通过取各尺度超像素显著度的平均值来融合多尺度显著图,得到最终的视觉显著图。实验表明,以MSRA图库中的1 000张随机自然图片为例,该模型较现有较好的区域对比模型,显著目标识别的精确率提高了14.8%,F-Measure值提高了9.2%。与现有的算法相比,该模型提高了算法对显著目标大小的适应性,减少了背景对显著目标识别的干扰,具有更好的一致性,能更好地识别显著目标。