基于感受野空间属性的视觉计算模型及图像检索研究

Visual attention model based on the mechanisms of visual information processing has become a hot topic. The research objects are visual computational model and image retrieval.The main works include the computation of saliency maps, the integration of feature saliency maps and the visual words model of structure co-occurrence. We adopt the recent achievements of pattern recognition and neurophysiology, and present a visual computational model based on the spatial properties of receptive fields, and further put forward the visual words model of structure co-occurrence on this basis, and use it to image retrieval.There are two key scientific problems need to be solved, one is how to build the feature integration model, and makes it more akin to the human's mechanisms of visual information processing, the other is how to reduce the ambiguity of visual words by embedding priori knowledge into visual words. The proposed visual computational model is the significant improvement of Itti visual attention model, in addition，the proposed visual words model of structure co-occurrence is the significant improvement of bag-of-visual words. They can provide new ideas on how to build a visual computational model that more akin to the mechanisms of visual information processing and on how to reduce the ambiguity of visual words.

基于视觉信息处理机制的计算模型已成为研究热点。本项目以视觉计算模型和图像检索为研究对象，主要研究内容包括视觉显著图的计算，整合特征显著图以及结构共生词汇模型等, 依据模式识别和神经生理学等领域的最新研究成果，提出一种基于感受野空间属性的视觉计算模型，在此基础上进一步提出结构共生词汇模型，并应用于图像检索。拟解决两个关键科学问题：（1）如何建立视觉特征整合模型，使其更加符合视觉信息处理机制；（2）如何在视觉词汇中融入先验知识，以便于缩小视觉词汇的歧义性。本项目提出的视觉计算模型是Itti视觉注意模型的重大改进，结构共生词汇模型则是对视觉词汇包模型的升华。它们能够为建立更符合视觉信息处理机制的视觉计算模型以及缩小视觉词汇的歧义性提供新思路。

视觉计算模型和图像检索是人工智能领域的研究热点。本项目主要研究了视觉计算模型和图像检索的相关理论和方法。（1）我们研究了感受野空间属性和方向选择性机制，并提出了基于视觉注意模型的图像检索方法，明显提高了图像检索性能；（2）根据条件概率统计模型，我们分别提出了柯西密度函数直方图、结合条件概率和视觉注意模型的图像检索方法。实验结果表明这些方法是有效的，能明显提高检索性能；（3）如何在显著性对象接触图像边界时，尽量不牺牲检测性能，又能稳健地检测出显著性区域，这是一个具有挑战性的问题。针对此问题，我们提出了基于前景-中心-背景的显著性检测模型，实验证明它能稳健地检测出显著性物体，显著性物体内部具有亮度高且杂质少的特点。（4）我们研究了概率统计模型、格式塔理论和深度学习技术，分别提出了基于显著过渡区域的对象分割方法和基于颜色体积特征的显著性区域检测方法，实验证明它们在图像检索、图像分割和显著性检测方面具有良好的性能。本项目研究为建立更符合视觉信息处理机制的视觉计算模型以及缩小所谓的“语义鸿沟”，提高图像检索性能等方面提供了新思路。已发表论文10篇，其中SCI收录5篇(SCI-二区3篇，包括CCF-A类期刊1篇，SCI-四区2篇)，获四项国家发明专利授权，一项广西省自然科学奖二等奖。