1. 研究目的与意义（文献综述）
人类感知到的外界信息约有80%是通过人眼视觉获得的，因此研究和模拟人类视觉功能，以构建更加智能的机器去代替人类完成一些繁琐和危险的事，具有十分重要的理论意义和实用价值。但是人类视觉系统是一个非常复杂的系统，能够快速进行目标运动估计、目标识别等任务，目前主要从神经生理学和心理认知学等角度来研究人眼视觉机制，通过模拟这些机制以及使用各种数学理论，依靠计算机和各种成像设备，使得计算机能够代替大脑实现对视觉图像信息理解，就是计算机视觉领域。
视觉研究本身是一个跨学科领域的问题,涉及到计算机视觉及神经生物学这两个截然不同的学科。本论文研究视觉注意特征和物体显著性提取算法,主要从计算机视觉这一角度出发进行阐述,内容上,本论文就近年来在此领域内的进展作一综述,并着重分析自底向上的显著性提取模型;而后以计算机视觉的语言详细解析视频中物体的运动显著性和静态图像中物体的显著性,设计和提出了基于视觉注意机制的物体显著性提取算法,并完成了相关实验。实验结果表明了这种物体显著性提取方案的可行性。本论文的主要工作和创新点包括以下几个方面:
1.研究和比较了视觉注意领域内的物体显著性提取模型和算法,并分析其优缺点。
2. 研究的基本内容与方案
这次毕设旨在经典视觉显著性模型研究的基础上，将对数gabor滤波器与多尺度四元数傅立叶变换相位谱相结合，提出了一种新的基于视觉显著性的交通标志检测与识别方法。对自然场景下的交通标志进行检测与识别研究，主要分为两个模块：一个是交通标志的检测模块，另一个是交通标志的识别模块。
针对交通标志检测模块，本文将对数gabor滤波器和四元数频域相位谱相结合，提出一种新的多尺度视觉显著性交通标志检测算法。其次，本文还生成了显著性目标驱动下的前、背景自动画笔以取代交互式图像分割中人工标记过程，提出一种基于视感知驱动下的交通标志自动提取算法。实验结果表明本文所提交通标志检测方法能够准确地从动、静态复杂场景中提取交通标志。并通过主、客观实验验证本文所提算法的有效性和可靠性。
在交通标志识别模块中，为了快速准确的识别出禁令交通标志，本文提出了一种基于快速鲁棒的局部特征surf（speeded-uprobustfeatures）描述方法与局部特征约束编码llc（locality-constrainedlinearcoding）方法相结合的禁令交通标志特征提取算法，且利用支持向量机svm对交通标志进行初步的分类识别。最后，通过主、客观实验对所提算法的性能和可靠性进行了验证。实验结果表明，所提的禁令交通标志分类识别方法不仅具有较高的识别率，而且所需运算时间较少。
3. 研究计划与安排
第1-4周：收集资料，查阅文献，撰写开题报告；
第5-10周：进行毕业设计的各项工作：学习、编程、答疑、实验和撰写毕业设计论文大纲；
第11-13周：撰写毕业设计论文；
4. 参考文献（12篇以上）
[1]haritaoglui,harwoodd,davisl,w4:real-timesurveillanceofpeopleandtheiractivities[j].ieeetranspatternanalysisandmachineintelligence,2000,22(8):809-830.
[2]remainingpi,tant'bakerk.mufti—agentvisualsurveillanceofdynamicscenes[j].imageandvisioncomputing,1998,16(8):529-532.
[3]dollarp,belongies,peronap.thefastestpedestriandetectorinthewest[a].inproc.bmvc[c],2010.
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
