论文部分内容阅读
轮廓信息是图像降维后的关键信息,它对于后续准确高效的目标识别和图像理解等应用具有重要意义。传统轮廓检测方法对轮廓的方向性和连续性进行数学建模,在剔除背景纹理边缘、区分主体轮廓和非轮廓边缘方面具有一定的有效性。但必须指出的是,传统检测方法并没有引入或参考视觉感知机制在轮廓提取中的信息流传递处理过程,更多的只是一种抽象化的数学描述。因此本文关注于视觉感知系统在轮廓检测或提取中的机理,重点研究神经元网络的脉冲编码以及视觉通路不同层次对视觉信息的响应特性,并尝试图像轮廓提取等处理的具体应用。首先构建视通路多感受野朝向性关联模型,突出方向选择特性的形成机制以及视通路各个层次在轮廓提取过程中的作用;其次给出了一种颜色拮抗与群体编码效应的实现手段,并应用于彩色图像的轮廓检测;最后引入双层神经元网络的脉冲调控编码,加强高级视皮层对视觉信息的调控甄选作用,能够在轮廓检测中有效剔除背景纹理。本文主要工作及研究成果如下:(1)提出了一种基于视通路多感受野朝向性关联的轮廓检测方法。根据视通路各层次的感受野特性、层次之间感受野的变换特性,模拟实现视皮层的方向选择特性。利用视网膜神经元网络的前级编码作用、LGN细胞的非经典感受野调节机制以及视皮层方向选择特性对图像轮廓进行检测。以RuG图库为实验对象,实验结果的平均P指标为0.43,表明本文方法具备较好的轮廓检测能力。(2)由于视皮层下神经元的单拮抗感受野具有动态调节机制,能够响应颜色边界与亮度边界;而方位敏感的初级视皮层双拮抗神经元,能够借助动态突触连接,实现轮廓信息的群体编码。于是,本文提出基于神经元颜色拮抗与群体编码的轮廓检测方法,以BSDS500图库为实验对象,其中验证集全部图像实验结果的平均P指标约为0.55,相比而言本文方法更加贴近真实的视觉感知。(3)针对颜色拮抗与群体编码模型无法显著地区分主体轮廓和纹理边缘,本文提出一种基于双层神经元网络脉冲调控编码的轮廓检测方法,根据高级视觉皮层的反馈调控机制和选择注意机制,在双拮抗神经元网络的基础上,再次构建高级视皮层神经元网络用于获取选择注意图像,并将其反馈投递至初级视皮层,得到最终轮廓响应。BSDS500验证集图像的实验结果平均P指标约为0.58,说明本文方法能够进一步区分主体轮廓与纹理边缘。