基于視覺信息認知機理的圖像處理與物體識別.pdf

1、眾所周知，人類所感知的大部分外界信息都來自于視覺。研究人類視覺的認知機理建立視覺信息處理模型對推動計算機視覺的發(fā)展有重要的意義。計算機視覺領域是一個內容豐富涉及面廣而且很有挑戰(zhàn)性的研究方向，如何使機器通過視覺對外界進行感知和理解達到自主適應外界環(huán)境的能力還是個很大難題。從長遠來看，計算機視覺研究的最終目的是建立一套可與人類視覺系統(tǒng)相媲美的通用視覺系統(tǒng)，如何通過生物視覺信息處理的啟發(fā)建立可用于機器視覺的視覺模型是研究者們面臨的挑戰(zhàn)。本文依

2、據(jù)這一背景，通過總結分析近年來依據(jù)生物視覺信息認知并在此基礎上建立的可用于計算的生物視覺模型，并把這些模型用于計算機視覺領域的圖像處理及物體識別，主要內容如下：
　　分析人類視覺系統(tǒng)的一些生理特性和機理，包括人眼的構成，視覺信息在視覺通路的傳輸，以及大腦皮層上的視覺信息處理區(qū)域。人類視覺系統(tǒng)被定義為視網(wǎng)膜和大腦區(qū)域之間的連接，也就是視覺通路。人眼首先通過視網(wǎng)膜接收外界的視覺信號，然后由人類視覺系統(tǒng)對接收到的視覺信號進行處理。由人類

3、視覺系統(tǒng)處理的視覺信息，在大腦中按照一定的通路進行傳遞，在經(jīng)過的多個神經(jīng)區(qū)域上被處理，完成最后的認知過程。
　　上個世紀末期，研究者們對貓的視覺皮層上神經(jīng)細胞進行研究，他們發(fā)現(xiàn)貓的視覺皮層神經(jīng)細胞上存在同步脈沖發(fā)放現(xiàn)象，依據(jù)此現(xiàn)象他們建立了視覺神經(jīng)元的同步震蕩模型，后來又對其進行了改進。這種同步脈沖發(fā)放模型經(jīng)過發(fā)展就形成了一種新型的神經(jīng)網(wǎng)絡模型即脈沖耦合神經(jīng)網(wǎng)絡(Pulse Coupled Neural Network,PCNN)

4、。視覺皮層神經(jīng)元同步振蕩現(xiàn)象而建立的模型-脈沖耦合神經(jīng)網(wǎng)絡(PCNN)在圖像處理方面有著很多優(yōu)良的特性，如尺度不變性，旋轉不變性，強度以及扭曲不變性等，PCNN在圖像處理時只依靠圖像的自然屬性，實時性比較高。于此同時，本文利用PCNN簡化模型并結合經(jīng)典的中值濾波算法對圖像去噪進行研究，實驗結果表明兩者之間的結合有效彌補了自身存在的不足,基于信息熵的自適應PCNN分割算法可以根據(jù)最大信息熵確定PCNN的迭代次數(shù)，分割后可以很好的對圖像中的

5、信息進行保留，可用于圖像目標檢測后的目標提取分割。
　　視覺注意是視覺信息獲取過程中一項重要調節(jié)機制，人類在獲取外界的視覺信息時會對不同圖像信息進行分配加工。人類視覺的這種在處理大量復雜視覺信息時把注意力集中在顯著性較強的物體上的特性稱為視覺注意，視覺注意機制的研究，不但有助于探索人類視覺信息處理的工作機理，而且在圖像分析領域中也有重要應用價值。如果能夠將這種視覺注意機制引入到圖像分析領域，將計算資源優(yōu)先分配給那些容易引起觀察者注

6、意的圖像區(qū)域，那么必將極大地提高現(xiàn)有圖像分析方法的工作效率國內外學者對視覺注意機制進行了大量研究并建立了多種視覺注意模型，本文分析了幾種經(jīng)典的視覺注意模型，并在圖像數(shù)據(jù)上進行了對比實驗，根據(jù)得到的顯著圖以及計算效率進行對比，基于信息論的IG模型具有出色的表現(xiàn)，可用于顯著目標的檢測。
　　局部特征的提取，一般包括特征的區(qū)域檢測和特征的區(qū)域描述，局部特征的描述一般要求具有亮度，尺寸和旋轉的不變性。局部圖像的特征基于圖像的局部信息，通常