李 策, 朱子重, 许大有, 高伟哲, 靳山岗

(兰州理工大学 电气工程与信息工程学院, 甘肃 兰州 730050)

一个场景中哪些部分或者哪些特有的形式吸引人类的眼球，是视觉心理学研究的主要内容之一.同时设计注视点预测的计算模型，亦是计算机视觉中一个长期研究的课题[1].常见的注视点预测算法通常将注视点预测问题构建成一个视觉注意力或显著性的估计问题，通过提取图像特征，得到图像中的显著性区域，从而实现图像的注视点预测.Itti等[2]通过高斯金字塔模型生成多尺度图像，对原图像滤波提取颜色、亮度、方向特征，利用中心位置与周边区域之差获得三种特征，模拟人类视觉注意力机制，得到图像的注视点图.受此启发，许多学者利用不同的特征或不同的显著图计算方法，得到图像中人眼注视的显著区域.Hou等[3]提出了一种分析每幅图像的对数光谱并获取光谱残差的方法，该方法可以获得预注意视觉搜索行为的估计.Torralba等[4]基于图像全局上下文信息，提高观察者在真实场景中眼睛运动的预测性能.此外，将图像变换到频域中，Guo等[5-7]研究了图像频域的幅度谱和相位谱与人眼注视之间的关系，并取得了一定的成果，推动了注视点预测模型的发展.

然而，传统算法通过在空域或者频域中提取与注视点相关的低级特征信息，进行注视点预测，其结果与人眼真实注视位置差距较大.随着自然场景下眼动追踪大规模数据的采集，为了……