The KIPS Transactions:PartB (정보처리학회논문지B)

Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

A Novel Feature Map Generation and Integration Method for Attention Based Visual Information Processing System using Disparity of a Stereo Pair of Images

주의 기반 시각정보처리체계 시스템 구현을 위한 스테레오 영상의 변위도를 이용한 새로운 특징맵 구성 및 통합 방법

  • 박민철 (한국과학기술연구원 포토닉스센서시스템센터) ;
  • 최경주 (충북대학교 전자정보대학 컴퓨터공학부)
  • Published : 2010.02.28
Download PDF
⟨ Previous Next ⟩

Abstract

Human visual attention system has a remarkable ability to interpret complex scenes with the ease and simplicity by selecting or focusing on a small region of visual field without scanning the whole images. In this paper, a novel feature map generation and integration method for attention based visual information processing system is proposed. The depth information obtained from a stereo pair of images is exploited as one of spatial visual features to form a set of topographic feature maps in our approach. Comparative experiments show that correct detection rate of visual attention regions improves by utilizing depth feature compared to the case of not using depth feature.

인간의 시각 주의 시스템은 주어진 시각장면을 모두 다 처리하기보다는 주의가 집중되는 일정한 작은 영역들을 순간적으로 선택하여 그 부분만을 순차적으로 처리함으로써 복잡한 시각장면을 단순화시켜 쉽게 분석할 수 있는 능력을 가지고 있다. 본 논문에서는 주의 기반 시각정보 처리체계 시스템 구현을 위한 새로운 특징맵 구성 및 통합 방법을 제안한다. 제안하는 시스템에서는 시각특징으로서 색상, 명도, 방위, 형태 외에 2개의 스테레오 영상 쌍으로부터 얻을 수 있는 깊이 정보를 추가하여 사용하였다. 실험결과를 통해 깊이 정보를 사용함으로써 주의 영역의 정탐지율이 개선됨을 확인하였다.

Keywords

References

  1. L. Itti and C. Koch, “A saliency-based search mechanism for overt and covert shifts of visual attention,” Vision Research, Vol.40, No.10-12, pp.1489-1506, 2000. https://doi.org/10.1016/S0042-6989(99)00163-7
  2. M. S. Kim and K. R. Cave, “Top-down and Bottom-up Attentional Control : on the Nature of Interference from a Salient Distractor,” Perception and Psychophysics, Vol.61, No.5, pp.1009-1023, 1999. https://doi.org/10.3758/BF03207609
  3. N. J. Cepeda, K. R. Cave, N. P. Bichot and M. S. Kim, “Spatial Selection via Feature-driven Inhibition of Distractor Locations,” Perception and Psychophysics, Vol.60, No.5, pp.727-746, 1998. https://doi.org/10.3758/BF03206059
  4. Q. Tian, Y. Wu and T. S. Huang, “Combine user defined region-of-interest and spatial layout for image retrieval,” IEEE Int. Conf. on Image Processing, Vol.3, pp.746-749, 2000.
  5. M. Seo, B. Ko, H. Chung and J. Nam, “ROI-Based Medical Image Retrieval Using Human-Perception and MPEG-7 Visual Descriptors,” LNCS, Vol.4071, pp.231-240, 2006. https://doi.org/10.1007/11788034_24
  6. J. Tsotsos, S. Culhane, Y. Winky, L. Yuzhong, N. Davis and F. Nuflo, “Modeling Visual Attention via Selective Tuning,” Artificial Intelligence, Vol.78, pp.507-545, 1995. https://doi.org/10.1016/0004-3702(95)00025-9
  7. M. C. Park and K. J. Cheoi, “Selective Visual Attention System Based on Spatiotemporal Features,” LNCS, Vol.5068, pp.203-212, 2008. https://doi.org/10.1007/978-3-540-70585-7_23
  8. J. Han, K. Ngan, L. Mingjing and H. Jhang, “Unsupervised extraction of visual attention objects in color images,” IEEE Trans. on Circuits and Systems for Video Technology, Vol.16, No.1, pp.141-145, 2006. https://doi.org/10.1109/TCSVT.2005.859028
  9. G. Boccignone, A. Chianese, V. Moscato and A. Picariello, “Foveated shot detection for video segmentation,” IEEE Trans. on Circuits and Systems for Video Technology, Vol.15, No.3, pp.365-377, 2005. https://doi.org/10.1109/TCSVT.2004.842603
  10. A. M. Treisman and G. Gelade, “A Feature-integration Theory of Attention,” Cognitive Psychology, Vol.12, No.1, pp.97-136, 1980. https://doi.org/10.1016/0010-0285(80)90005-5
  11. L. Itti, C. Koch, and E. Niebur, “A Model of saliency-based visual attention for rapid scene analysis,” IEEE Trans. on Pattern Analysis and Machine Intelligence, pp.1254-1259, Vol.20, No.11, 1998. https://doi.org/10.1109/34.730558
  12. L. Spillmann and John S. Werner, 'Visual Perception : the neurophysiological foundations,' Academinc Press Inc., 1990.