视觉注意
-
-
-
-
基于Itti模型的视觉注意机制GUI图像显著性检测工具箱
本项目完整复现了经典的Itti-Koch视觉注意模型，并将其封装为具有直观操作界面的MATLAB GUI工具箱。该工具箱旨在模拟生物视觉系统的自底向上注意机制，通过对图像进行多维度特征分析来自动探测图像中的显著区域。 -
人类视觉注意机制模拟与显著性检测系统
该项目是一个专门基于MATLAB开发的仿真系统，旨在模拟人类视觉系统的生理特性，特别是核心的视觉注意机制。系统通过算法精确复现人眼观察外界环境的方式，自动分析并检测图像或视频中的视觉显著性物体和区域。除了基础的检测功能外，该项目还深入阐述并计算了显著性区域的显著性密度与尺度之间的复杂关系，提供了对应的理论论文支持。该代码库具有广泛的应用价值，可作为核心模块应用于生物视觉模拟、视觉目标检测、视觉目标跟踪、视觉智能监控等工程实践中，同时也通过提供定量的分析工具，辅助视觉生理学和视觉心理学的学术研究，帮助研究者理解人类视觉感知的选择性注意过程。 -
基于Itti模型的视觉显著性检测与ROI提取系统
本项目完整实现了基于Itti模型的视觉显著性检测与感兴趣区域（ROI）选择算法。该系统模拟灵长类动物的早期视觉注意机制，通过分解输入图像的亮度、颜色（红-绿、蓝-黄对立色）及方向（Gabor滤波）特征，构建高斯金字塔以获取多尺度表征。项目采用中心-周边差分（Center-Surround Difference）算子计算各特征通道的显著性图，并通过跨尺度加法与归一化策略将这些特征图融合为一张全局显著性图（Saliency Map）。在此基础上，利用赢家通吃（Winner-Take-All, WTA）竞争机制和返回抑制（Inhibition of Return）策略，动态模拟视觉焦点的转移过程，自动定位并按优先级输出图像中各感兴趣区域的位置。代码经过验证，方法成熟可靠，可直接运行，能够有效去除背景冗余信息，精准捕获图像中的显著目标，适用于目标识别预处理、图像压缩编码及机器视觉导航等任务。 -
基于小波变换的多尺度图像显著性检测系统
本项目基于MATLAB环境，开发了一套深度模拟人类视觉注意力机制的图像显著性提取算法，核心创新点在于利用小波变换的多尺度特性进行特征融合。系统的工作流程非常详细且严谨：首先，对输入的RGB图像进行预处理，包括去噪及色彩空间转换（转换至CIE Lab或HSV空间），以分离亮度、颜色和纹理信息，从而更好地符合人眼的感知特性。其次，引入离散小波变换（DWT）技术，对图像的各个特征分量进行多层级分解，获取不同分辨率下的低频近似分量和高频细节分量。在特征提取阶段，该项目不依赖单一特征，而是分别计算全局对比度和局部对比度，生成各通道的初步显著图。最关键的技术环节是“小波域融合机制”，项目代码中实现了复杂的融合规则，在小波域内对不同通道和小波系数进行非线性加权融合，有效整合了多尺度下的视觉线索，增强了显著目标的边界清晰度并有效抑制了背景噪声。最后，通过逆小波变换重构图像，并辅以高斯滤波和中心先验加权进行后处理，输出高质量的最终显著图。该系统代码注释详细，逻辑清晰，非常适合用于图像压缩、目标识别预处理、内容感知缩放以及视觉质量评价等科研与工程应用。
