一种基于模糊神经网络的显著图计算方法及系统技术方案

本发明专利技术涉及一种基于模糊神经网络的显著图计算方法及系统，该方法包括：获取交互对象主体观测到的图像，为第一图像；对所述第一图像进行线性滤波和高斯金字塔处理，得到第二图像；对所述第二图像进行分特征处理，得到颜色特征图、光强特征图和方向特征图；分别对所述颜色特征图、光强特征图和方向特征图进行中心环绕差分归一化，得到颜色显著图、光强显著图和方向显著图；将所述颜色显著图、光强显著图和方向显著图输入模糊神经网络，得到意图区域；采用语义差异法对所述意图区域进行校准。本发明专利技术能够提高人机交互过程中意图识别结果的准确性。

【技术实现步骤摘要】
一种基于模糊神经网络的显著图计算方法及系统
本专利技术涉及人工智能及人机交互领域，特别是涉及一种基于模糊神经网络的显著图计算方法及系统。
技术介绍
根据对国内外相关研究的参考，人的意图除了受到人自身的行动初衷或目的意图完成任务的关联性等主观因素的影响外，同时很大程度上也受到外部因素的影响，所观察到的情景画面就是其中的重要因素之一。而在情景图像中，又以图像的亮度，深度和方向性更为明显。而显著图技术正是将图像中的这些主要因素综合考虑，推定计算出图像中最为显著的一些区域或部分，这也是显著图名称的由来。在显著图的计算领域，相关研究主要通过加入更加复杂的图像因素，如动态图像的速度等，以期提高计算结果的可靠性。目前普遍采用的线性叠加的计算方法基本可以实现对显著图的计算，但对一些特殊情况的处理结果不能尽如人意。具体主要体现在，现有方法能够识别图像中的主要特征，但受交互对象主观因素的影响，识别结果并不符合实际情况，尤其是应用于具体应用场景时表现更加明显。另外在处理速度上普遍比较慢，且受制于硬件图像处理器的限制。专利技术内容本专利本文档来自技高网...

【技术保护点】
1.一种基于模糊神经网络的显著图计算方法，其特征在于，包括：/n获取交互对象主体观测到的图像，为第一图像；/n对所述第一图像进行线性滤波和高斯金字塔处理，得到第二图像；/n对所述第二图像进行分特征处理，得到颜色特征图、光强特征图和方向特征图；/n分别对所述颜色特征图、光强特征图和方向特征图进行中心环绕差分归一化，得到颜色显著图、光强显著图和方向显著图；/n将所述颜色显著图、光强显著图和方向显著图输入模糊神经网络，得到意图区域；/n采用语义差异法对所述意图区域进行校准。/n

【技术特征摘要】
1.一种基于模糊神经网络的显著图计算方法，其特征在于，包括：
获取交互对象主体观测到的图像，为第一图像；
对所述第一图像进行线性滤波和高斯金字塔处理，得到第二图像；
对所述第二图像进行分特征处理，得到颜色特征图、光强特征图和方向特征图；
分别对所述颜色特征图、光强特征图和方向特征图进行中心环绕差分归一化，得到颜色显著图、光强显著图和方向显著图；
将所述颜色显著图、光强显著图和方向显著图输入模糊神经网络，得到意图区域；
采用语义差异法对所述意图区域进行校准。


2.根据权利要求1所述的基于模糊神经网络的显著图计算方法，其特征在于，所述高斯金字塔为九层。


3.一种基于模糊神经网络的显著图计算系统，其特征在于，包括：
图像获取模块，用于获取交互对象主体观测到...

【专利技术属性】
技术研发人员：王茂，徐杨梅，王义龙，曹彦彦，
申请(专利权)人：北京信息科技大学，
类型：发明
国别省市：北京;11