仿视皮层机制的随机点视频序列运动特征提取

为了探索视皮层对多方向刺激的运动信息处理机制,依据生物实验中部分中颞叶区（MT）细胞对随机点视频刺激运动感知的侧偏特性,提出了一种仿视皮层机制的随机点视频序列运动特征提取模型。首先,采用Von Mises函数拟合初级视皮层（V1）简单细胞的感受野,再结合非线性的能量模型、调谐和非调谐正则化方法等模拟实现V1复杂细胞对运动信息的方向感知;其次,提出了级联前馈方法对V1复杂细胞响应进行线性加权求和,得到MT细胞的响应输出;最后,利用生物实测MT细胞响应数据对新模型的有效性进行了实验验证。仿真结果表明模型的输出结果与恒河猴的运动感知实验数据基本吻合,能够较好地模拟视皮层对不同夹角的多方向随机点视频序列的运动感知机制,为提取复杂运动序列的特征提供新的方法,进而为视觉类脑计算奠定基础。     

基于颜色拮抗和纹理抑制的轮廓检测模型

作为目标识别的关键步骤,轮廓检测已成为计算机视觉研究领域的热点之一.仿生学研究发现,在初级视皮层(V1)细胞中,驱动彩色亮度单元的双拮抗细胞感受野对亮度和颜色信息敏感且具有方向选择性,对于轮廓检测起到重要作用.本文提出一种基于颜色拮抗和纹理抑制的轮廓检测模型,通过二维高斯差分DOG函数来模拟纹理抑制模板,对不同的双拮抗细胞通道进行纹理抑制,在基于颜色拮抗特性检测模型中考虑了抑制纹理的作用.实验结果表明:在BSDS300图像库下本文模型在纹理抑制方面较现有模型有一定的优势,能够较好的提取目标轮廓,是颜色拮抗目标轮廓检测模型中的一种新思路.     

基于图论的视觉注意模型

为了模拟人眼的视觉搜索结果,提出了一种基于图论的自底向上的视觉注意计算模型.在计算显著图的过程中,构造了马尔可夫矩阵并计算图中每个顶点的度.由马尔可夫矩阵和度的计算提取出图像在颜色、亮度和方向3个特征方面显著的区域,最后生成显著图.实验仿真结果表明:与部分的视觉注意模型相比,本文模型具有目标检测能力强和计算量小的优点     

基于时空特征融合的视觉注意模型

为了对人类视觉系统(HVS)中的注意机制进行建模,提出了一种基于时空特征融合的视觉注意模型。该模型以亮度对比度、纹理复杂度和前景物体的运动信息等三种初级视觉特征为基础,在自底向上的可计算架构上,采用空间域和时间域的特征融合方式,计算场景的视觉显著性图。试验结果表明,使用该模型可以对场景各个区域的显著性进行有效分析;与Walther和You视觉注意模型的对比结果也证明了该模型可以更准确地提取出场景的注意焦点(FOA)。     

视觉初级皮层区超柱结构的自组织适应模型

在视皮层的初级皮层区中,有许多非常规整的柱形功能结构,它们形成的局域网络具有抽取视图像中最基本的微小特征的能力．视皮层的等级组构为许多心理现象提供了生理解释,这不仅对模式识别、计算机视觉有重要的价值,而且对人工智能系统知识的获取和知识表示都具有非常重要的意义．通过构造一个金字塔状的神经网络层次模型,对模拟视网膜的输入点阵信息进行逐级加工．在计算实现上使用了无监督的自组织语义映射结构,以使模型具有一定的自适应能力．强调的是认知心理功能的计算依托和生理基础．     

视觉初级皮层区超柱结构的自组织适应模型

在视皮层的初级皮层区中，有许多非常规整的柱形功能结构，它们形成的局域网络具有抽取视图像中最基本的微小特征的能力．视皮层的等级组构为许多心理现象提供了生理解释，这不仅对模式识别、计算机视觉有重要的价值，而且对人工智能系统的知识获取和知识表示都具有非常重要的意义．通过构造一个金字塔状的神经网络层次模型，来对模拟视网膜的输人点阵信息进行逐级加工．在计算实现上使用了无监督的自组织语义映射结构，以使模型具有一定的自适应能力．强调的是认知心理功能的计算依托和生理基础．     

视觉初级皮层区超柱结构的自组织适应模型

在视皮层的初级皮层区中，有许多非常规整的柱形功能结构，它们形成的局域网络具有抽取视图像中最基本的微小特征的能力，视皮层的等级组构为许多心理现象提供了生理解释，这不仅对模式识别、计算机视觉有重要的价值，而且对人工智能系统知识的获取和知识表示都具有非常重要的意义，通过构造一个金字塔状的神经网络层次模型，来对模拟视网膜的输人点阵信息进行逐级加工，在计算实现上使用了无监督的自组织语义映射结构，以使模型具有一定的自适应能力，强调的是认知心理功能的计算依托和生理基础。     

基于固视微动与初级视皮层神经机制的轮廓检测模型

已有研究表明,生物视觉系统中第二视觉通路主要是基于固视微动响应特性来完成视觉信息的特征提取.受此启发,提出一种基于固视微动与初级视觉皮层神经机制的轮廓检测模型,以注视中心为原点,通过不同角度下偏移的高斯一阶导滤波器模拟视觉神经细胞的固视微动特性,其中偏移量由图像的局部特征信息计算得到;然后将不同偏好方向下多个角度偏移模板的滤波能量与注视中心的响应能量竞争得到经典感受野的最优能量响应;最后通过高斯差分函数对最优能量响应进行纹理抑制并获得最终的目标轮廓输出.BSDS数据集的定性和定量实验结果表明,所提出的检测模型能够获得更完整更连续的轮廓特征,具有较高的性能评测指标.     

一种视皮层非经典感受野的模型

根据视觉信息加工过程中视皮层细胞非经典感受野对中心感受野区域具有抑制作用的生物机制,提出了一种模拟该机制的模型。用Gabor能量作为感受野响应,以高斯差分函数为基础构造两个具有方向的半椭圆环来作为非经典感受野区域,设计中心感受野与周边抑制区域的相位差权重函数来模拟非经典感受野的抑制机制。实验结果与这种生理特性相一致。     

基于视觉感受野特性的自适应图像去噪算法

针对图像去噪中边缘细节信息丢失的问题,提出一种基于视觉感受野特性的图像去噪算法。该方法基于视觉神经电生理研究结果,模拟视觉初级视皮层自适应机制和感受野的响应特性来实现对图像的去噪。使用小尺度模板对噪声进行检测;根据噪声的大小采用ON/OFF感受野模板去噪处理,对图像进行亮度调整。实验结果表明,与现有的流行算法比较,该算法去噪效果较为有效,并能更好地保留图像纹理和边缘细节信息,在峰值信噪比和均方误差等客观定量评价指标上优于其他算法。     

基于选择性注意的交通环境显著性及眼动特征研究

通过行为实验,采集了两组被试在不同注意状态下观看道路交通场景图像时的眼动数据,研究了在交通驾驶环境中两种不同注意机制(自底向上和自上而下)驱动下的眼动特征。研究表明,在交通驾驶环境中,基于自底向上注意驱动的眼动特征与基于自上而下注意驱动的眼动特征存在着显著性差异,二者对应的视觉显著图也有明显区别。另外,两种注意机制对信号灯及交通标识等重要交通元素的关注及识别等方面也存在显著的不同。     

基于X、Y细胞感受野视觉神经机制的轮廓检测模型

仿生型轮廓检测的研究已逐渐成为计算机视觉的研究热点.生物视觉机制研究中,空间总和特性将视觉细胞分为线性的X型细胞和非线性的Y型细胞.受该机制启发,提出一种仿生型轮廓检测模型,该模型通过模拟计算X、Y型细胞不同的感受野响应,并根据亮度对比度信息有效地融合X、Y通道的轮廓特征.实验结果表明:本文的模型能有效地保留弱轮廓并抑制纹理背景,将为基于视觉机制的图像分析提供一种新的思路.     

轮廓检测深度学习模型中解码网络融合方法

轮廓检测旨在提取目标边界,是高级计算机视觉任务中获取图像基础信息的重要步骤.基于轮廓检测的卷积神经网络(convolutional neural networks,CNNs)模型分为编码网络和解码网络两个部分,关注点集中在采用不同的卷积方式进行解码或是采用逐级融合进行解码,忽略了对编码网络每一层信息的充分利用.针对这一问题,本文提出一种自底向上强化融合的轮廓检测模型:充分利用编码网络中的每一层信息,由低分辨率特征图至高分辨率特征图自底向上逐层融合;以不同空洞率的卷积搭建强化模块,进一步增强对特征信息的提取.从结果上看,本文所提模型既节省了计算机内部存储空间,同时在目前主流的数据集BSDS500上也取得优异成绩(F-score=0.819).     

基于贝叶斯估计的初级视皮层光栅朝向编码研究

为了认知初级视皮层(V1区)的朝向编码机制,提出一种基于贝叶斯估计理论综合大鼠V1区神经元发放率和发放时间间隔(Inter-Spike-Interval,ISI)特性的复合编码方法.设计不同朝向的光栅对LE大鼠进行刺激,使用微电极阵列采集初级视觉皮层的锋电位序列,采用贝叶斯估计理论,综合V1区神经元的发放率和ISI特性对光栅朝向进行编码.将其编码结果与单独基于发放率的编码结果进行了对比分析.结果表明:复合编码方式对朝向编码的正确率高于发放率编码方式的正确率,也证明了神经元发放时间间隔与发放率共同参与了对光栅朝向信息的编码.     

立体视觉深度认知过程研究

利用自行研制的多导视觉诱发电位(VEP)信号采集处理系统和两套视差深度随机点立体(RDS)图对,诱发视皮层神经网络兴奋发放,提取并分析了立体视觉视差深度认知过程的皮层电位信号,对视差相关诱发电位特征进行了标定.采用两种完全不同的信息处理方法重复实验,揭示了高级视皮层功能区出现的N2波由视差相关VEP发放,提示体视视差深度信息处理可能是在高级视皮层功能区上完成的.根据不同功能区隐含信息的处理结果,推测大脑皮层体视信息处理系统中存在信息反馈通路.实验结果还表明,立体视觉深度认知过程是一个动态的复杂信息协同处理过程.     

基于局部特征和视皮层识别机制的图像分类

提出了一种新的图像分类方法,采用层次结构模拟视皮层各区细胞功能,利用Gabor滤波器提取初级图像特征,经过稀疏化处理后进行中间层模板匹配提取尺度和位置的不变性特征,最后提交给分类网络。仿真实验表明,本文采用的层次化特征提取方法在分类任务中优于经典的局部特征方法(SIFT),与其他图像分类方法相比,本文的方法在少量训练样本下,在多个数据集中可获得优良的测试效果,具有较高的实用价值。     

复杂纹理瓷砖表面缺陷检测算法研究

针对复杂纹理瓷砖表面缺陷检测困难的问题,提出一种基于人眼视觉注意机制的显著性目标检测方法并用于瓷砖表面缺陷检测。利用单尺度SSR光照校正方法和双边滤波方法对图像进行预处理;根据视觉注意机制中的对比度原理及高频抑制原理,针对复杂背景纹理的“成像性”与“聚集性”特征,建立基于视觉注意机制的检测模型,根据视觉注意机制中的对比性原理和高频抑制原理对瓷砖表面进行特征提取,再依据图像的显著性准则得到图像颜色斑块权重显著图和图像特征融合显著图并将两者融合,进行缺陷的判定和标记,最终得到已标记的瓷砖缺陷。将此缺陷检测算法和另外2种算法应用于随机选取的3类复杂纹理瓷砖并进行对比实验,结果表明,相比较于其他算法,此算法对复杂纹理瓷砖的缺陷检测达到96%以上的综合检测率,可以获得良好的瓷砖缺陷检测效果。     

大鼠初级视皮层局部场电位γ振荡特性研究

提出了确定γ频带范围的方法,并研究了不同拓扑结构图形刺激下γ振荡响应的特征选择特性.首先,采用小波变换和功率谱相结合的方法确定了大鼠初级视皮层局部场电位γ频带的准确范围;然后,计算了不同拓扑结构简单图形刺激下其发生γ振荡的潜伏期和γ频带的功率与不同刺激序列之间的互信息曲线,提取互信息曲线的平均值、最大值以及最大值处的频率等3个特征;最后,采用单因素方差分析对这些特征进行统计分析.结果表明,麻醉状态下大鼠初级视皮层局部场电位在视觉刺激下存在显著的γ振荡现象,γ振荡对简单图形刺激的拓扑特征具有显著的选择特性.     

基于视中枢神经机制的视觉信息处理模型

提出了基于视中枢神经机制的视觉信息处理模型,该模型以人类视觉的生理机制为基础,有效地模拟了人类对视觉信息处理的过程。设计相关实验模拟了视网膜对信息处理的过程,生成了相应的视网膜图像,简单细胞的感受野又以视网膜图像为输入,通过对特定的朝向刺激,产生了许多边缘信息,形成了边缘轮廓图像。实验结果表明,该模型具有良好的仿真性。     

基于堆叠沙漏网络的量体特征点定位

为提高复杂背景和任意着装情况下的量体特征点定位精度，将堆叠沙漏网络(SHN)引入人体图像量体特征点定位中，并针对SHN模型输出特征图分辨率过低导致定位精度不足的问题，构建了一种Deconv-SHN模型。一方面用多个反卷积层代替初始模型的输出层以提高输出特征图的分辨率，另一方面基于Smooth L1和局部响应对目标函数进行了优化。在自建的6 700幅正面人体图像数据集上对Deconv-SHN模型、SHN模型以及传统算法进行实验的结果表明，Deconv-SHN模型在复杂背景和任意着装情况下的特征点定位精度较传统算法有显著提升，也明显优于SHN模型，基本满足人体参数测量应用的要求。