基于生物視覺機(jī)制的圖像特征點(diǎn)檢測技術(shù)研究.pdf

1、特征點(diǎn)是圖像中的關(guān)鍵信息，其對后續(xù)的圖像配準(zhǔn)、拼接以及其他分析處理具有重要的作用。傳統(tǒng)特征點(diǎn)檢測方法通?；谙袼亓炼然蝾伾系奶荻茸兓厔荩瑢τ趫鼍皬?fù)雜的細(xì)節(jié)圖像，誤檢率和漏檢率指標(biāo)并不理想?？紤]到生物視覺系統(tǒng)在提取顯著性信息中的不凡能力，本文試圖借鑒某些重要的生物視覺機(jī)制，實(shí)現(xiàn)對視覺信息的特征點(diǎn)描述。從視覺感受野的動(dòng)態(tài)特性、視皮層神經(jīng)元反饋以及視覺注意機(jī)制出發(fā)，結(jié)合視覺信息流的神經(jīng)編碼，以含有大量細(xì)節(jié)特征點(diǎn)的建筑圖像為實(shí)驗(yàn)對象，利用圖

2、像特征點(diǎn)一致性CCN作為評價(jià)指標(biāo)，驗(yàn)證了視覺機(jī)制在特征點(diǎn)檢測中的有效性。
　　本研究主要內(nèi)容包括：⑴給出了一種基于初級視皮層感受野自適應(yīng)的圖像特征點(diǎn)檢測新方法。研究了視覺感受野的動(dòng)態(tài)特性、時(shí)序編碼、視覺注意機(jī)制等視覺機(jī)制對特征點(diǎn)檢測的作用和效果，列出了研究步驟，由于圖像像素點(diǎn)信息對特征點(diǎn)有決定性作用，因此根據(jù)圖像不同區(qū)域亮度信息構(gòu)造自適應(yīng)感受野，并考慮初級視皮層不同層次間神經(jīng)元的反饋，通過上述環(huán)節(jié)實(shí)現(xiàn)了對圖像特征點(diǎn)的檢測，解決了固

3、定模型檢測導(dǎo)致的特征點(diǎn)檢測不精確問題。由實(shí)驗(yàn)結(jié)果可得，本文方法能對圖像特征點(diǎn)進(jìn)行精確有效的檢測并且達(dá)到了一定程度上的穩(wěn)定性，以圖像特征點(diǎn)一致性CCN作為評價(jià)指標(biāo)并與傳統(tǒng)方法相比，本文方法的CCN平均值最大，其指數(shù)級別處于10-1~10-7之間。⑵實(shí)現(xiàn)了一種基于視覺顏色信息自適應(yīng)的特征點(diǎn)檢測方法。由于顏色三分量包含的圖像特征信息對圖像處理有著重要作用，根據(jù)三分量對特征點(diǎn)檢測的變化關(guān)系，重構(gòu)圖像各區(qū)域顏色三分量，同時(shí)考慮到周邊神經(jīng)元對中心神

4、經(jīng)元的抑制與激勵(lì)作用，將顏色重構(gòu)、神經(jīng)元周邊作用與感受野成像結(jié)合起來對圖像特征點(diǎn)進(jìn)行檢測，解決了顏色信息變化導(dǎo)致的特征點(diǎn)漏檢問題。由實(shí)驗(yàn)結(jié)果可得，本文方法所獲得的特征點(diǎn)更加精確且能較好控制冗余點(diǎn)，與傳統(tǒng)方法相比，本文的CCN最大，其指數(shù)級別處于10-1~10-6之間，與人類視覺系統(tǒng)的認(rèn)知方式更加接近。⑶提出了一種基于邊緣多方向性的特征點(diǎn)檢測方法。由于圖像紋理邊緣存在方向性，邊緣處的特征點(diǎn)堆積問題較嚴(yán)重，且神經(jīng)元發(fā)放響應(yīng)存在著不同表示方式