基于SMF模型的生物啟發(fā)影像特征分類.pdf

1、人類與靈長類的視皮層目標(biāo)識別性能遠遠優(yōu)于最佳的機器視覺系統(tǒng)。因此，自上個世紀50年代起人們開始關(guān)注生物視覺啟發(fā)的計算機視覺模型的研究。1999年，Riesenhuber和Poggio提出了基于視覺感知機理的標(biāo)準模型特征SMFs（Standard Model Features）。但是，當(dāng)前從計算機視覺的角度對基于SMFs的目標(biāo)識別與紋理分類的性能進行大規(guī)模的分析評價極少，尤其是與SIFT和LBP等經(jīng)典的計算機視覺模型對比研究以及 SMF模

2、型腹側(cè)通路特征的分析評價，這對于我們認識生物啟發(fā)的特征提取研究具有重要的理論與應(yīng)用價值。2010年，Leibo等提出了選擇性指數(shù)評價方法但并未進行深入的評價工作，本文則在此基礎(chǔ)上對特征選擇性進行詳細的定量評價工作。
　　本文在研究生物視覺系統(tǒng)尤其是腹側(cè)通路的目標(biāo)識別機制的基礎(chǔ)上，基于紋理與目標(biāo)圖像數(shù)據(jù)庫，從計算機視覺的角度對視覺層次特征計算模型在旋轉(zhuǎn)、尺度及仿射等方面的不變性進行了詳細的定量分析與評價，并與當(dāng)今一流的計算機視覺方法

3、進行比較系統(tǒng)深入的對比分析，獲得了比較有價值的結(jié)論。本文研究工作及重要的實驗評價結(jié)論主要包括：
　　一，從生物視覺的角度出發(fā)，詳細介紹了視皮層的腹側(cè)通路、感受野及其特性，并對視皮層的不變性與選擇性進行分析，闡明了標(biāo)準模型的生物學(xué)基礎(chǔ)。
　　二，從計算機視覺的角度出發(fā)，分別介紹了生物視覺層次模型、局部二元模式特征、SIFT特征匹配算法。重點分析討論了生物層次模型的算法性能及其不變性、選擇性特性。同時，引入本文的評價體系與方法。

4、
　　三，目標(biāo)與紋理分類的評價分析。首先進行訓(xùn)練集大小評價、參數(shù)評價、運行時間評價等，然后分別在紋理數(shù)據(jù)庫、目標(biāo)數(shù)據(jù)庫及高分辨率遙感影像混合數(shù)據(jù)庫上進行不變性與選擇性分析，最后分別與LBP特征、SIFT特征進行不變性的比較分析，最終得出結(jié)論。
　?、偻ㄟ^大量紋理、目標(biāo)及高分辨率遙感影像的實驗分析，生物視覺模型具有優(yōu)良的旋轉(zhuǎn)不變性、尺度不變性與仿射不變性。
　?、谂c當(dāng)前一流的計算機視覺方法，比如 LBP特征及 SIFT特

5、征進行了對比與分析發(fā)現(xiàn)：SMFs特征的旋轉(zhuǎn)不變性遠遠優(yōu)于LBP特征，略優(yōu)于SIFT特征；SMFs特征的尺度不變性優(yōu)于LBP特征，而對于SIFT特征而言，當(dāng)尺度級較大時，標(biāo)準模型特征的尺度不變性優(yōu)于SIFT特征，當(dāng)尺度級較小時，SIFT特征的尺度不變性更優(yōu)；SMFs特征的仿射不變性均優(yōu)于LBP算子及SIFT算法。
　　③在此基礎(chǔ)上，本文還進行了腹側(cè)通路上每個層次之間的選擇性與不變性評價，實驗結(jié)果表明，SMFs特征在腹側(cè)通路上的不變性