论文部分内容阅读
在大脑接收的来自外部世界的感知信息中,80%以上是通过视觉系统进行加工处理的。最近二十多年来,生物视觉系统中的信息加工机制是心理学、神经科学、计算机科学等学科研究的重大课题之一。研究视觉神经中的信息处理方式就是研究人类大脑对外界自然刺激的响应和处理方式。理解大脑工作方式的关键是要研究大脑如何对外界自然刺激的表达、编码、加工以及大脑如何解释世界。本文从人类视觉系统中神经细胞的感受野生理特征出发,探索人类感知外部世界的方式,建立用于物体轮廓感知的计算模型,并以有效编码假说为基础,利用流形学习理论,改进LLE算法,研究人类对外部世界的认知方式。首先,基于生物视觉细胞的解剖特性以及视觉细胞的感受野特性,提出了一种新的基于方向周边抑制的物体轮廓感知模型。分析了视觉神经细胞的感受野的朝向性以及相邻细胞的互相影响,使用Gabor滤波器模拟简单细胞,介绍了Gabor能量滤波器和边缘朝向分布图,并提出了基于DOG滤波器和方向DOG滤波器的方向周边抑制模型。其次,基于有效编码假说,在流形学习理论的基础上,改进了经典的LLE算法,提出了自适应邻域的LLE算法,并将该算法用于物体认知。首先分析了LLE算法的优缺点,之后针对LLE算法中邻域点数固定的问题,提出了自适应的邻域选取准则,同时使用RBF核距离代替欧氏距离,并给出了一种简单而有效的映射新增样本方法。本文将提出的方向周边抑制模型用于物体轮廓感知,结果表明,和经典的轮廓检测算法相比,该算法可以取得更好的轮廓检测效果,可以有效的区分纹理和真实轮廓。将改进的LLE算法用于物体认知,仿真实验的结果说明,相较于经典的LLE算法,改进后的算法在流形展开,数据分类和模式识别等物体认知方面都有了提高,证明了该算法的有效性。