基于视觉关注的图像复制检索技术研究

基于内容的复制检索（CBCR）是近几年在信息安全、多媒体检索的研究过程中发展起来的新技术，对于数字多媒体版权保护、多媒体监控管理、多媒体信息检索等领域有着重要的理论意义和应用价值。如何使得CBCR的检索结果更符合人的主观关注特性，是现在的一个研究热点。本课题针对图像的CBCR，从建立人眼关注模型入手，以人眼关注区域的局部特征和各局部特征的整体结构为依据，使得CBCR的检索结果更符合人主观意识；利用独立分量分析、尺度不变特征变换、粒子滤波等高阶统计、非线性信号处理方法，结合人眼关注区域，探索新的局部复制处理不变特征的提取方法；提出融合多特征的相似性度量法则，达到提高图像复制检索精度的目的。作为新技术的探索研究，本课题将尝试人的主观实验与信号处理技术相结合的方法，力争从突出主观关注特征的方面找到提高CBCR精度和速度的突破口，为多媒体信息检索的发展起到推动作用。

本项目从人眼关注模型的角度入手，提取关注区域的局部特征，进而通过多特征融合的相似性度量，达到提高CBCR的精度和速度的目的。（1）提出基于多尺度的低级特征局部对照的视觉注意模型，以及结合通信领域中跨层优化的思想提出自底向上视觉关注模型。实验证实通过提出的模型不仅能检测出更为准确且完整的显著对象，而且增强了显著与非显著区域间的对比，其显著对象的显著性更加突出。（2）为了客观评判关注模型是否与实际情况吻合，本项目利用视线跟踪的方法去实测关注者的视线，通过视线估计与关注模型的对比验证了建立的视觉关注模型的有效性。（3）提出了基于LSH和SIFT提取关注区域的局部特征进行图像复制检测的方法，通过将高维视觉特征映射到哈希编码形成简单高效的特征表现形式，以提高运算速度。（4）提出基于海明距离的图像相似性度量以及基于局部特征的相似性计算，实现多特征融合的相似性度量。（5）在本项目执行过程中，项目组结合最新的研究动态，将复制检测与图像标注的结合，为复制图像赋予相同的标注信息，以避免对复制图像的重复标注。