在研究了经典ITTI等视觉注意模型的理论基础上, 结合海面SAR图像背景及目标特点, 对传统视觉模型应用于海面SAR图像的缺陷进行分析总结, 提出一种适用于海面SAR图像视觉注意模型设计算法。首先, 模型借鉴经典ITTI模型的基本框架, 选择并提取了能够较好描述SAR图像的纹理和形状特征, 求取相应的特征显著图；其次, 采用新的特征显著图整合机制替代经典模型的线性相加机制进行显著图融合得到总显著图；最后, 综合各特征显著图下注意焦点的灰度特征, 选择最佳的显著性表征, 完成通过多尺度竞争策略对显著图的滤波及阈值分割实现显著区域的精确筛选, 从而完成SAR图像的显著区域检测。实验采用TerraSAR-X等多幅卫星数据进行仿真实验, 结果验证了模型良好的显著性检测效果, 更符合实际高分辨率图像目标检测的应用需求。通过进一步与经典视觉模型对比分析, 模型在改善了由斑点噪声和不均匀的海杂波背景对检测结果产生的虚警影响的同时, 检测速度也较之提高了25%~45%。
合成孔径 雷达图像 视觉注意模型 特征显著图 融合策略 注意焦点 synthetic aperture radar image visual attention model saliency map of features fusion strategy focus attention
北京师范大学信息科学与技术学院, 北京 100875
感兴趣区域是图像中重要性较高并被优先关注的部分。传统视觉关注模型利用半径固定的圆描述感兴趣区轮廓，无法获得感兴趣区域的精确描述。提出一种基于自适应半径搜索的图像感兴趣区自动检测方法。提取图像的颜色、亮度和方向特征并生成多尺度的视觉显著图；通过计算显著图的全局显著度阈值获得视觉注意焦点搜索结束的条件；利用基于显著比的自适应半径搜索策略获取感兴趣区的精确描述信息。实验结果表明，新方法不仅能够提高对图像感兴趣区的自动检测精度，而且更符合人眼视觉系统的特点。对今后基于图像感兴趣区的目标自动识别具有重要价值。
图像处理 感兴趣区域 视觉注意焦点 自适应半径搜索
北京工业大学 信号与信息处理研究室,北京 100124
提出了一种基于视觉注意机制的感兴趣区检测方法：使用分水岭方法分割图像区域；根据生物的视觉注意机制特性,选用中央周边差的采样方式提取图像特征,将不同维的图像特征融合为显著图；显著点经过竞争得到的注意焦点作为分水岭分割的种子点,然后融合显著图和分水岭分割区得到感兴趣区；遵循返回抑制和邻近优先的准则选择并转移注意焦点,从而计算区域的重要性或兴趣度.实验结果表明该方法符合生物的视觉注意机制,在自动检测感兴趣区时可以有效减少过分割,也能较好的处理大对象.
图像检索 感兴趣区 视觉注意机制 分水岭分割 注意焦点 Image retrieval Regions of interest Visual attention mechanism Watershed segmentation Focus of attention
