基于神經(jīng)節(jié)細(xì)胞感受野拮抗機(jī)制的圖像認(rèn)知計(jì)算模型.pdf

1、生物經(jīng)過幾千年的進(jìn)化和殘酷的優(yōu)勝劣汰，在自然選擇中揚(yáng)長(zhǎng)避短并健康的生長(zhǎng)，試圖以最好的狀態(tài)適應(yīng)大自然。人類作為高等動(dòng)物之一，被稱為是“萬物之靈”，擁有很多很奇妙的能力。比如人類可以輕松快速的理解眼前千姿百態(tài)的事物，并做出響應(yīng)。
　　計(jì)算機(jī)視覺、人工智能一直是計(jì)算機(jī)科學(xué)中非常重要的領(lǐng)域，怎樣讓計(jì)算機(jī)可以像人類一樣智能高效的處理、提取、分割、理解、識(shí)別圖像一直是計(jì)算機(jī)學(xué)者們?cè)噲D解決的問題。可是由于圖像本身數(shù)據(jù)量大、復(fù)雜度高，而且對(duì)計(jì)算機(jī)

2、的運(yùn)算速度、處理效率、存儲(chǔ)容量要求比較高。目前絕大多數(shù)流行的圖像處理方法是以數(shù)學(xué)、概率統(tǒng)計(jì)為基礎(chǔ)的，忽略了生理學(xué)上的視覺理論和腦機(jī)制，以及圖像其本身最基本的性質(zhì)，如各像素點(diǎn)之間的聯(lián)系性。
　　隨著生物學(xué)、腦科學(xué)的發(fā)展，人們對(duì)生物體中最復(fù)雜的神經(jīng)系統(tǒng)有了更好的認(rèn)識(shí)，計(jì)算機(jī)科學(xué)家也注意到可以將人類視覺感知系統(tǒng)中重要的機(jī)制、模型引入到計(jì)算機(jī)視覺的研究中，仿照這些生物學(xué)的機(jī)制建立計(jì)算模型，將其應(yīng)用于圖像處理中，提高圖像處理的效率和準(zhǔn)確性。

3、
　　本文根據(jù)生物視覺的基本計(jì)算理論和機(jī)制，設(shè)計(jì)了基于生物視覺模型的圖像分析表征算法，對(duì)生物視網(wǎng)膜神經(jīng)節(jié)細(xì)胞及其經(jīng)典感受野建立了神經(jīng)網(wǎng)絡(luò)計(jì)算模型。該模型基于神經(jīng)節(jié)細(xì)胞中感受野的顏色拮抗理論，模擬人眼抓取眼前場(chǎng)景的方法，根據(jù)圖像中一片區(qū)域里的像素性質(zhì)以及像素之間彼此的關(guān)系，以相應(yīng)的刺激反饋為基礎(chǔ)，做自適應(yīng)的調(diào)節(jié)。在圖像中內(nèi)容相似的區(qū)域，用尺寸較大的感受野來進(jìn)行分析、表征;顏色差異較大的區(qū)域，則用若干個(gè)小的感受野來進(jìn)行處理、表達(dá)。抓住

4、圖像中最重要的本質(zhì)信息，忽略冗余信息，從而達(dá)到最好的圖像表征效果。
　　實(shí)驗(yàn)表明，本文提出的基于神經(jīng)節(jié)細(xì)胞感受野拮抗機(jī)制的圖像認(rèn)知計(jì)算模型，能夠準(zhǔn)確高效的對(duì)圖像進(jìn)行表征，而且表征結(jié)果忠于原圖像，在能保留住圖像的關(guān)鍵結(jié)構(gòu)信息的同時(shí)，還可以抑制瑣碎冗余的信息。而且此種圖像表征方法對(duì)后續(xù)的其他圖像處理研究有很大的促進(jìn)作用，比如對(duì)圖像分割的效果會(huì)有很大提升。
　　最后，我們分析了現(xiàn)有模型可以改進(jìn)的地方和展望了將來可繼續(xù)研究的方向，希