[發明專利]基于位熵率的視覺注意計算方法及系統

有效

• 申請號: 200910243706.X
• 申請日: 2009-12-23
• 公開（公告）號: CN101751671A
• 公開（公告）日: 2010-06-23
• 發明（設計）人: 王亦洲;王威;黃慶明;高文
• 申請（專利權）人: 北京大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/20;G06T7/40
• 代理公司: 北京市商泰律師事務所 11255
• 代理人: 麻吉鳳;毛燕生

技術領域

本發明涉及圖像與視頻處理技術，計算機視覺以及視覺感知等多個領域，尤其涉及一種基于位熵率的視覺注意計算方法及系統。

背景技術

選擇性注意是指心理資源有選擇性的被分配給某些認知加工過程，使得這些認知過程對信息的加工更加快速準確。注意對于協調各種認知加工過程非常重要。人類每一時刻都接受到大量的外界信息，處于被“信息轟炸”的狀態中。我們有限的心理資源和神經資源不可能同時處理這么多的信息，只能選擇性的處理具有高優先性的信息而忽視低優先性的信息，注意的作用正是體現于此。

選擇性注意是一個非常復雜的認知過程，它時時刻刻影響著大腦的信息加工過程。對選擇性注意的研究自上個世紀八十年代以來一直是認知科學的熱點領域，這一點可以從每年發表的關于注意的文章的數量和質量得到證明。關于注意機制的理論紛繁復雜，但研究者比較認同以下分類：從注意產生的方向來分，選擇性注意包括自下而上，數據驅動的過程(bottom-up?and?data-driven?process)和自上而下，目標指引的過程(top-down?and?goal-directed?process)；從注意選擇的目標來分，選擇性注意包括基于空間的注意(space-basedattention)，基于特征的注意(feature-based?attention)和基于物體的注意(object-based?attention)。

選擇性注意一般包括靜態注意分析和動態注意分析，分別針對靜態圖像和動態視頻中顯著區域的檢測。在靜態注意分析中有兩種模型，一種是自下而上任務無關的模型，也稱為刺激驅動的模型；另一種是自上而下任務相關的模型，也稱為任務驅動的模型。自下而上的方法主要來自于視覺認知心理學方面的一些研究成果。Koch和Ullman在1985年就提出了一個簡單的自下而上方法，它把視覺場景中每個位置的刺激顯著性響應作為輸入并編碼成一個顯式的二維顯著圖，沿著此圖中顯著性下降的順序提供一種有效的注意掃描方式。自下而上的方法無需考慮任何知識信息，然而我們時刻都在受到自身知識、文化背景的影響。換句話說，我們時時刻刻都是任務驅動的，以自上而下的方法觀察周圍的事物。因此，已有一些工作將先驗知識應用于視覺注意分析中，提高分析結果與眼動實驗結果的吻合程度。近年來，越來越多的工作開始致力于動態注意分析。在視頻中，每一幀的顯著度分布不僅受其自身內容影響，同時受到時間上下文關系的影響，所以運動特征在視頻中起著至關重要的作用。

現有的方法存在兩方面的問題：一方面，現有的方法有的是基于中心-周圍模型有的是基于信息最大化原理的，很少有方法能同時從這兩方面來解釋；另一方面，現有的方法對視覺注意點的預測并不是特別準確，與真實的眼動數據有很大差距。

發明內容

本發明的目的在于，提供一種視覺注意計算方法及系統，基于本發明，能夠獲取更加精確的圖像或者視頻的顯著度分析結果，更加符合生理學和心理學的依據。

本發明提供了一種基于位熵率的視覺注意計算方法，包括如下步驟：濾波步驟，采用稀疏碼本基函數對圖像或視頻數據進行濾波，獲取多個子帶特征圖，其中所述稀疏碼本基函數是基于學習稀疏碼本而獲取的；全連接圖建立步驟，分別為所述多個子帶特征圖的每一子帶特征圖建立對應的全連接圖；位熵率圖獲取步驟，在每一所述全連接圖上采用隨機游走的方法進行信息的傳遞，在隨機游走過程中，依據位熵率進行顯著度度量，進而獲取每一所述子帶特征圖對應的位熵率圖；顯著度圖獲取步驟，將所述多個位熵率圖加起來，獲取所述圖像或視頻數據的顯著度圖。上述

上述基于位熵率的視覺注意計算方法，優選所述位熵率圖獲取步驟中，所述位熵率用于確定所述每一子帶特征圖對應的全連接圖中，每個節點i到其他節點的平均信息量DER_i表示為：

SERi=πiΣj-PijlogPij]]>