视觉注意机制在大视场目标快速定位中的应用

对于机器视觉来说， 难点在于 ROI 的确定。由于 ROI 在 很大程度上是一个主观概念， 在一些应用中由用户直接指定 ROI[3]， 但这种方法不便于自动处理。许多研究者认为 ROI 是 图像中最 “显著” 的像素集合， 因此从这个角度来看就可以通 过提取图像中的显著性区域 （salient region） 来实现。从 20 世 纪 50 年代开始， 许多研究者建立了多个视觉注意计算模型[4-7]， Koch 和 Ullman[7]在已有的视觉生理和心理物理实验结果基础 上提出了一个计算模型， 用于模拟生物体 “自底向上” 选择性 注意机制， 随后 Itti[8]等人完善了这一模型， 他们从视觉分析出 发， 模拟人类视觉系统构建的视觉注意模型获得了与人类视 觉系统比较接近的注意焦点， 并将它用于包含自然景物、 交通 及军事目标的图像分析， 取得了较好的实验结果。Itti 的模型 不需要任何先验知识， 处理结果完全由输入图像的初级视觉 特征决定[9]， 很适合用来做图像的初步分析。因此， 采用视觉注 意机制来快速找出大视场图像中的几个最显著区域， 指导后续 的目标定位。后续的目标定位仅在找到显著区域进行， 从而加 快目标定位速度， 节省运算效能。实验取得了比较满意的结果。
1
引言
目标定位在相关跟踪、 下视景像匹配、 空中交通监视等众
估计目标的变化参数[2]， 但是对数极坐标的旋转和平移不变性 的前提是必须知道目标变化的中心位置， 因此仍然要对整幅 图像进行逐行逐列的搜索， 而且对每个位置点得到的每个图 都要进行不同角度不同尺度的配准定位， 因此计算量依然很 大， 速度依然比较慢， 难以达到实时配准的需求。 人类视觉系统 （Human Visual System， HVS） 的配准却完 全不存在这个问题， 面对一个复杂场景， 它总会迅速选择少数 几个区域进行优先处理。这个过程被称为视觉注意 （Visual Attention） ， 这些区域被称为感兴趣区域 （Region of Interest， ROI） 。视觉注意使人类视觉系统能够以不同的次序和力度对 各个场景区域进行选择性处理， 从而可以避免计算浪费， 降低 分析难度。
以使得人类可以快速分析复杂图像。算法首先模拟人类视觉系统特点， 根据图像的底层信息如对比度、 方向、 亮度等提取图像中 几个最需要关注的显著区域， 然后按照显著性由强到弱的顺序分别在每个显著区域利用具有尺度旋转不变性的对数极坐标变换方 法进行目标的匹配定位。该方法在没有牺牲定位准确度的前提下， 大幅减小了运算复杂度。实验表明该算法定位速度快而且准确。 关键词： 视觉注意机制； 对数极坐标变换； 目标定位 DOI： 10.3778/j.issn.1002-8331.2010.27.042 文章编号： 1002-8331 （2010） 27-0153-03 文献标识码： Ａ 中图分类号： TP391
（1） （2） （（27）
Computer Engineering and Applications 计算机工程与应用 在大视场图像中， 通过视觉机制得到的显著区域通常在 准确度和精确度上都无法直接满足任务需求， 但是它可以用 极低的代价获得图像内容的相关线索， 这些线索可以为分析 提供重要的引导信息， 从而使原本异常复杂的任务趋于简 单。下面用一幅航拍的机场图像来说明。所用的航拍图片为 黑白单帧图片， 因此这里只提取亮度、 朝向、 纹理特征来计算 显著图， 显著区域定位结果如图 2 所示。
2
视觉注意机制
视觉生理中将能影响某一视神经元反应的视网膜区域称 为 “感受野” ， 视觉生理实验结果表明， 许多动物视神经元对亮 度信息 （如猫、 猴） 和颜色信息 （如松鼠、 金鱼、 猴） 产生反映的 感受野的形状是同心圆， 而且对该类型感受野的中心与四周 进行刺激将引起相反的反应， 这种现象被称为 “中心-外周” 机 [10] 制， 它有利于对比度信息的抽取， 可以用 DOG 模型来模拟 ， 视觉心理实验同时证实， 许多动物 （如猫、 猴） 的大脑皮层视区 神经元可以对边缘、 方位等刺激产生反应 [10]， 可以利用 Gabor 模型来模拟这些方位选择性神经元的反应。视觉生理实验还 表明， 灵长类动物的后顶皮层内存在一幅 “显著性地图” （saliency map） ， 它如同地形图一样， 对视觉场景中每一个位置的 局部显著性或被注意程度进行编码[11]。 Itti[8] 等提出的计算模型就是基于上述视觉生理基础， 为 了抽取图像中的多尺度信息， 模型中使用了图像金字塔分解 亮度、 颜色和方向、 运动等特征， 形成各个特征维上的显著 图。然后对这些显著图进行分析、 合并生成总的显著图。显 著图中可能含有多个显著区域， 可以通过竞争机制选出前几 位显著区域[12]。图 1 给出了视觉机制流程图。
[1]
能很好地处理目标发生任意角度旋转和更大尺度变化以及平 移变化的情况。对数极坐标变换方法可以将图像的尺度和旋 转变化转变为在对数极坐标图像中的平移， 因此可以被用来
基金项目： 国家自然科学基金 （the National Natural Science Foundation of China under Grant No.60772163） ； 国家部委预研基金资助项目； 广东 省自然科学基金 （the Natural Science Foundation of Guangdong Province of China under Grant No.8151802904000004） 。 作者简介： 任仙怡 （1973-） ， 女， 博士后， 高级工程师， 副教授， 研究方向为图像处理、 模式识别、 机器视觉； 张基宏 （1964-） ， 男， 博士， 教授， 研究方向 为数据压缩、 信号处理等； 梁永生 （1971-） ， 男， 博士后， 教授， 研究方向为信号处理、 多媒体通信等。 收稿日期： 2009-06-22 修回日期： 2009-08-03
图 2 机场图像及其显著图
在航拍图像中， 一般关注的是军事目标， 而通常为人工建 筑的军事目标和周围自然景色的特征有很大差别。从结果中 可以看出， 视觉注意机制首先找到的几个注意区域就是人工 建筑， 而且所用时间仅为 384 ms， 充分说明了它可以快速从背 景中找出最 “与众不同” 的区域， 并对之进行关注。这几个区 域里虽然只有一个是我们真正关心的机场目标， 但是由于后 续的定位搜索只在几个显著区域附近进行， 大大降低了计算 量， 方便算法的后续处理。
Computer Engineering and Applications 计算机工程与应用
2010， 46 （27）
153
视觉注意机制在大视场目标快速定位中的应用
任仙怡 1， 张基宏 2， 梁永生 1 1 2 REN Xian-yi ， ZHANG Ji-hong1， ， LIANG Yong-sheng1
图像 多通道多尺度滤波器组
3
对数极坐标变换
相对于选定的坐标原点 O(0 0) ， 基于均匀取样的图像中
象素的位置可以用笛卡尔坐标 ( x y) 表示， 也可用极坐标 ( ρ θ) 表示， 它们之间满足关系[13-14]：
r = x2 + y2 y θ = arctg( ) x 如果用复数 z 表示， 则为： z = x + iy = r(cos θ + i sin θ) = reiθ ω = u( z) + i(v( z)) = ln z = ln r + i(θ + 2π)
1.深圳信息职业技术学院， 广东 深圳 518029 2.深圳大学 ATR 国防科技重点实验室， 广东 深圳 518000 1.Shenzhen Institute of Information Technology， Shenzhen， Guangdong 518029， China 2.ATR Key Lab of Defense Technology， Shenzhen University， Shenzhen， Guangdong 518000， China E-mail： renxianyi@ REN Xian-yi， ZHANG Ji-hong， LIANG Yong-sheng.Fast approach to object locating in large field of view based on visual attention mechanism and log_polar puter Engineering and Applications， 2010， 46 （27） ： 153-155. Abstract： Biological and visual perception studies show that visual attention mechanism enables human to select several salient regions likely to contain interesting objects in the scene in very short time and then analyze the image very quickly. The algorithm in this paper firstly imitates the characters of the human vision system and uses the bottom-up visual attention algorithm to select several salient locations of the large field image based on the image’ s low-level features such as contrast， orientation， color， texture and intensity.And then the locating of the object based on the scale and rotation invariant log-polar transform is carried out at the salient regions in order of decreasing saliency.The proposed algorithm can be used to quickly detect the object with large scale and rotation variation in large field image.It also can dramatically decrease the computation complexity without the lost of the locating precision.The experimental results show the algorithm is rather fast and precise. Key words：visual attention mechanism； log_polar transform； object location 摘 要： 视觉心理学研究表明人类在看一个场景时， 往往会在很短时间内找到几个显著区， 然后再细看显著区域的内容， 这样可