基于邊界統(tǒng)計(jì)量的前景分割研究.pdf

1、視覺是一個(gè)對(duì)圖像進(jìn)行重新解釋為物理場(chǎng)景的過程,例如從圖像中的前景從其它部分中分離出來(lái)。和其它視覺感知任務(wù)一樣,圖像本身只為前景分割提供了有限的信息,因而需要先驗(yàn)知識(shí)的參與來(lái)完成分割任務(wù)。Gestalt知覺組織原則通過對(duì)前景輪廓線統(tǒng)計(jì)量的約束對(duì)簡(jiǎn)化這一過程起到了關(guān)鍵作用。然而,缺少一個(gè)生物上可行的神經(jīng)計(jì)算模型表征Gestalt知覺組織原則的作用,目前仍然缺乏對(duì)Gestalt知覺組織原則的定量研究。本文提出一種基于Markov隨機(jī)場(chǎng)的Ges

2、talt知覺組織原則表示,并建議了一種基于信息傳遞算法的神經(jīng)計(jì)算機(jī)制來(lái)完成前景分割所需的推理。本文模型通過在分割標(biāo)簽的編碼加入對(duì)輪廓線方向的考慮,將Gestalt知覺組織原則的各項(xiàng)準(zhǔn)則加入到目標(biāo)函數(shù)中去。而以往的分割算法如Grabcut等,幾乎沒有考慮過這類約束條件。作為前景分割和Gestalt知覺組織原則研究的基本框架,本文系統(tǒng)的結(jié)構(gòu)設(shè)計(jì)與神經(jīng)生理實(shí)驗(yàn)結(jié)論相一致。我們將視覺的前景分割系統(tǒng)分為三個(gè)松散耦合的子模塊:第一個(gè)子模塊對(duì)應(yīng)于初級(jí)

3、視皮層,用于抽取邊界、角點(diǎn)等與前景分割有關(guān)的基本幾何特征。第二個(gè)子模塊對(duì)應(yīng)于紋外皮層V2區(qū),用于在基本幾何特征的基礎(chǔ)上進(jìn)行推理計(jì)算,以形成感知上的前景分割。第三個(gè)子模塊對(duì)應(yīng)于高級(jí)區(qū)域,用于引導(dǎo)前景的選擇。在本文中,我們通過一個(gè)前景預(yù)注意模型或一個(gè)用戶交互系統(tǒng)代替這一模塊。這樣一個(gè)與生理實(shí)驗(yàn)一致的結(jié)構(gòu)允許我們?cè)诒疚墓ぷ餮芯康幕A(chǔ)上建立更復(fù)雜的神經(jīng)視覺模擬系統(tǒng)。此外,我們通過概率密度估計(jì)的方式對(duì)V1區(qū)到V2區(qū)的前饋影響進(jìn)行建模。這一階段事實(shí)

4、上是對(duì)Gestalt知覺組織原則的定量建模過程。和以往對(duì)Gestalt知覺組織原則的定量研究不同,本文著重討論了該原則在神經(jīng)視覺系統(tǒng)中的實(shí)現(xiàn)以及可行性。特別地,本文所考慮的Gestlat知覺組織原則甚至包括了前人工作中無(wú)法表示的閉合律,在過去的定量研究中從未包括,但它對(duì)前景分割任務(wù)十分重要。為了驗(yàn)證本文算法的有效性,我們?cè)趦煞睦韺?shí)驗(yàn)圖像和Berkeley分割數(shù)據(jù)集上對(duì)本文模型進(jìn)行了實(shí)驗(yàn)。本文模型給出了令人鼓舞的自動(dòng)前景分割結(jié)果,同時(shí)反