谱残差在视频显著性提取中的应用研究开题报告

1. 研究目的与意义

图像和视频是信息社会的主要数据资源,海量的视频图像数据给高效智能信息处理带来了挑战。

我们注意到,人们关心的内容通常只是整幅图像或整段视频中很小的一部分,因此,有必要直接检测出它们,以获得高效的处理结果。

这种处理思想源自于人类视觉的选择性注意机制和感知组织原则。

2. 研究内容和预期目标

研究内容：1.为研究视频数据的幅度谱特性，引入三维傅立叶变换2.依据上述方法建立三维数据的谱残差理论3.以上述为基础，从而实现视频数据的显著性区域提取预期目标：1.熟练运用Maltab，熟悉基本的图像和视频处理相关内容2.研究三维离散傅立叶变换3.构造三维数据的谱残差4.视频数据的显著性提取

3. 研究的方法与步骤

显著性提取模拟人眼视觉注意机制，能够自动识别人眼对图像或视频的感兴趣区域。

利用自然图像的幅度谱特性，谱残差是最近提出的一种无关视觉底层特征的图像显著性提取方法。

本设计将通过引入三维傅立叶变换，研究视频数据的幅度谱特性，并建立三维数据的谱残差理论，从而现实视频数据的显著性区域提取。

4. 参考文献

[1] H. Barlow. Possible Principles Underlying the Transformation of Sensory Messages. Sensory Communication, pages217234, 1961.[2] H. Egeth, R. Virzi, and H. Garbart. Searching for Conjunctively Defined Targets. Journal of Experimental psychology: Human Perception and Performance, 10(1):3239, 1984.[3] J. Gluckman. Order Whitening of Natural Images. Proc. CVPR, 2, 2005.[4] L. Itti and C. Koch. A Saliency-Based SearchMechanism for Overt and Covert Shifts of Visual Attention. Vision Research, 40(10-12):14891506, 2000.[5] A. Oliva, A. Torralba, and P. Schyns. Hybrid Images. ACM Transactions on Graphics (TOG), 25(3):527532, 2006.[6] R. Rensink, J. ORegan, and J. Clark. To See or not to See: The Need for Attention to Perceive Changes in Scenes. Psy-chological Science, 8(5):368373, 1997.[7] E. Simoncelli and B. Olshausen. Natural Image Statistics and Neural Representation. Annual Review of Neuroscience, 24(1):11931216, 2001. [8] A. Torralba. Modeling Global Scene Factors in Attention.Journal of the Optical Society of America, 20(7):14071418, 2003.[9] A. Treisman and G. Gelade. A Feature-Integration Theory of Attention. Cognitive Psychology, 12(1):97136, 1980.[10] A. van der Schaaf and J. van Hateren. Modelling the Power Spectra of Natural Images: Statistics and Information. Vision Research, 36(17):27592770, 1996.

5. 计划与进度安排

2022.1.10-2022.2.28，查阅本课题相关资料，学习图像处理基本原理2022.3.1-2022.3.31，制定研究方案，确定技术路线2022.4.1-2022.4.30，算法研究与测试，记录实验数据2022.5.1-2022.5.31，整理实验数据，完成论文撰写