基于视觉注意机制的实时红外小目标预检测

在红外小目标检测中引入视觉注意机制，以计算机量较小的预检测为代价减少了目标检测的区域，在注意机制中采用 非线性采样模型，并利用相邻采样点形成显著性图，实验证明基于注意机制的预检测能有效地提高系统的计算效率，同时也具有一定的抗噪能力，可用于噪声环境中的小目标检测。  

基于小波的具有选择性注意力机制的初级视觉模型

提出了一种新的初级视觉模型，在此模型中，提出了一个基于小波时频特性的非均匀采样方案，以非规整信息表示图象信号，并形成多分辨率处理通道，通过引入一个反馈通道来模拟人眼的“眼动”，形成反馈闭环控制，最终我们试图通过此系统实现具有选择性注意力机制的初级视觉模型。  

基于视觉注意机制的小目标预检测特性

针对一种使用了离散非线性采样的视觉注意机制模型，对其应用在小目标预检测上的检测概率进行了研究和分析．在一定的假设条件下，从理论上推导出了模型中影响小目标预检测概率的各个因素，包括目标大小、目标所在采样节点的大小、输入图像信噪比和目标均匀性参数等．由于采用了非线性的采样模型，注视点的转移将带来不同图像区域空间分辨率的变化，从而不能获得总的检测概率与上述各参数的有意义的关系，通过实验分析了这些因素在小目标预检测中对检测概率的具体影响．  

基于视觉显著性信息的自然图像抠图算法

为了解决目前抠图算法的采样不充分问题,提出了一种在视觉显著信息指导下的采样,并通过可信度计算确定样本可用性的自然图像抠图算法SIGM.该算法将视觉显著模型引入采样过程,以显著图为指导重点采集区域内的颜色显著样本点.综合分析候选样本对的可信度,将是否符合线性假设、颜色空间内的距离、局部显著性等作为评判依据,选择具有高可信度的样本对来估计透明度值.使用抠图拉普拉斯矩阵作为代价函数的平滑项,优化估计透明度值,得到最终的图像掩膜.实验结果验证了该算法的有效性和准确性.  

基于显著点提取的红外弱小目标检测

根据人类视觉感知理论，采用bottom—up控制策略的预注意机制和top—down控制策略的注意机制，提出了一种适用于自动目标识别的目标检测算法．该算法首先对输入图像进行非均匀区域分割，根据对象的显著性特点，在已分割好的各个区域提取出显著性点作为潜在目标点，得到潜在目标点集合，之后采用改进的双滑窗算法对这个集合进行更为细致的识别，剔除伪目标，检测出真实目标．实验表明，该算法具有良好的检测效果，预注意机制有效降低了算法运行的时间，改进的双滑窗算法使得检测的鲁棒性更强，对于目标区域带有运动阴影的红外图像以及复杂背景下的红外图像均能进行正确的检测．  

基于注意机制的仿生人体动作识别

针对已有的仿生动作识别系统计算量大、耗时长的问题,提出了在系统中加入注意机制的方法.该方法模仿注意机制在人类视觉中所起的重要作用,将视频中运动目标的活动区域作为视频图像的显著区域划分出来,然后结合视频图像的显著区域获取不同动作的特征模板.此方法在一定程度上克服了视频的背景噪声对系统性能的影响,同时更准确地模拟了人类视觉机制.实验结果表明：该方法能较好地改善人体动作识别模型的识别速度和识别结果.  

基于注意机制的改进人工势场的机器人路径规划

人工势场法是机器人路径规划中应用较多的一种方法,但方法在障碍物较多时由于势场合力不容易控制而常常出现机器人陷入势场陷阱中。足球机器人比赛系统场上敌我状态复杂,加上动态变化的场上环境,对实时性要求很高。本文对注意机制在机器人足球比赛中的应用进行研究,根据比赛平台模型的特点并从能量角度将场上的引力和斥力转化成特定的关于能量的数学表达式,将其和注意机制相结合,提出新的改进人工市场的方法。基于注意机制的改进人工势场算法,将原有的合力势场变成重力势场,使机器人自主规划前进路线。最后本文使用仿真方法证明该方法的可行性。