张  红  长春工程学院  长春  130012

吉林省配电自动化工程研究中心  长春  130012

郭  健  吉林省电力有限公司电力调度处  长春  130000

宋  雯  国网通化供电公司  吉林通化  134000

【文章摘要】

   随着信息技术不断的发展，处理的数据不断增加多，用户对信息处理的效率和准确性要求越来越高，如何选择合适的机器人视觉注意模型电能质量算法已经成为目前研究的热点，本文介绍了视觉注意模型的相关理论，阐述了其对计算机视觉的重要意义。

【关键词】

视觉注意 ；数据驱动 ；任务驱动

0 引言

随着信息时代的来临，处理数据的不断增多。用户对信息处理的效率和准确性的需求越来越高。当接到一个具体的任务时，如果要计算机把所有的数据进行处理分析又要求其处理的实时性，在待处理的任务中，我们所需要的数据内容往往是所有的数据中的一小部分，如何从给出的任务中找到我们需要的内容，这也是当前计算机信息处理中的重要研究内容。人类的生理视觉已经开始融入到图像处理中，视觉注意机制也开始用在信息处理中用来从繁多复杂的数据中选择有用信息。视觉注意机制的思想就是迅速的找到显著对象，放弃非显著部分，大大的提高资源利用率，减小处理时间。视觉注意机制是人类对外界输入的信息中保留其中的有用信息，消除冗余信息，是人类感知对外界大量信息的选择性和主动性的保留。目前，针对视觉注意机制的研究才刚刚开始，还没有形成一个相对成熟的体系，本文就视觉注意机制模型的发展状况作一下简要的介绍。

1 基于计算模型的视觉注意模型

视觉注意机制的计算模型主要包含自下而上的数据驱动模型和自上而下的任务驱动模型。这两个模型都是要通过计算图像的显著图，得到图像的感兴趣区域。其研究人员对视觉注意机制进行深入的研究后提出一些理论模型，可以将这些模型理解为视觉注意机制的认知模型，介绍几种著名的认知模型 ：

（1）过滤器模型

视觉注意模型研究方法 张  红  长春工程学院  长春  130012吉林省配电自动化工程研究中心  长春  130012郭  健  吉林省电力有限公司电力调度处  长春  130000 宋  雯  国网通化供电公司  吉林通化  134000过滤器模型是由英国著名心理学家Broadbent 在 1985 年 提 出 的，Broadbent经过实验研究得出：人的感觉通道对信息的接受和加工处理的能力是有限的，但是人眼能够看到的信息量是十分庞大的，所以不可能对所有进入人眼的信息进行加工处理，这就需要对外界的信息进行筛选，因此可以通过过滤器滤掉一些信息，只处理保留下来的重要信息。

（2）衰减模型

衰减模型是美国心理学家Treisman于 1960 年提出的，Treisman 认为，由于高级分析水平的容量限制，需要过滤器对其作一定的调节，过滤器不是单单的通过一个通道的信息，也可通过其它通道的信息，只是其余通道的信息在这个过程中会产生衰减，强度减弱，但并没有被全部阻拦掉，其中的重要信息会被保留下来，得到加工处理。 

（3）反应选择模型

Deutsch 等人于 1963 年提出了反应选择模型，Deutsch认为所有通道的信息都会得到知觉加工，即生物视觉会分析视觉感知到的所有信息，注意不是发生在如何对外部信息进行选择，而是发生在对刺激的反应做出选择，即当遇到重要的有意义的刺激时，人们才会给予反应。

（4）特征整合模型

特 征 整 合 模 型 是 由 Treisman 和Gelade提出的，在特征整合模型的理论中，视觉注意模型的注意阶段和感知加工阶段是由信息的预处理和信息的集中注意处理这两个过程共同组成，此模型将注意和知觉加工结合到一起，但是此模型只是重点强调了当集中注意后会使图像得到增强，没有阐述明白如何根据特征图进行视觉注意的引导。

2 基于视觉注意单元的视觉注意模型

（1）基于空间特性的视觉注意模型

视觉注意机制的经典Itti模型[4]就是基于空间特性的注意模型，Itti模型先是对待处理的图像作平滑和降采样处理，处理后得到每一层的尺寸都不同的图像高斯金字塔结构，然后提取视觉的初级特征，在每一层图像上提取颜色、亮度和朝向等特征，对各个特征作中央周边差运算，然后进行归一化处理，这样就分别得到了三个特征的显著图，再对各特征显著图线性相加融合计算出原始图像的总显著图。观察和分析图像的总显著图，可以看出图像中不同区域的显著性程度，根据这些区域的显著程度的大小可找到原图像的显著范围，然后用圆形区域标志原图像的显著区域。

（2）基于特征的视觉注意模型

注意模型按照特征来分可分为两种，第一种是把图像的特征信息用调制函数来研究和处理；第二种是利用特定的特征和这些特征的组合使用来生成图像的特征显著图，并对显著图进行调整处理。第一种的模型包括有Tsots的特征调整方式；第二种则包括本文重点研究的Itti模型，此模型即是利用调整特征权值的方式得到图像的显著图。在现阶段所研究的基于特征的模型中，大多都是对第一种的研究。

（3）基于物体特性的视觉注意模型

这种注意模型首先要选好特殊物体，然后根据对选好的这个特殊的物体的查询进行调整的视觉注意模型，此模型的设定要求我们要筛选的物体必须是现实的有实际意义的。基于物体特征的视觉注意模型包括Rolls等的改变视觉感受野的方法以及 Sun 等的视觉注意模型。

3 结论

随着计算机对信息处理的不断进步，有关视觉注意模型的研究也越来越多，图像的显著性算法也越来越丰富，生物视觉的主动性和能效性推动着视觉注意机制在图像处理领域的不断发展和进步，无论是理论模型或是实践研究，其在图像的处理上势必将取得可观的研究成果。

【参考文献】

[1]艾海舟,武勃.图像处理分析与计算机视觉[M].北京:人民邮电出版社 ,2003:179-196.

[2]马颂德,张正友.计算理论与算法基础[M].北京：科学出版社，1997:20-121.

[3]Itti L, Koch C, Niebur E. A model of saliency-based visual attention for rapid scene analysis[J].Pattern Analysis and Machine Intelligence,IEEE Transactions on,1998,20(11):1254-1259

[4]刘伯强,尹聪,刘忠国,等.融合灰度和梯度信息的彩色细胞图像自动分割[J].计算机工程与应用 ,2007,43(35):202-204.