基于生物視覺的新的計算機視覺分割模型.pdf

1、計算機視覺的基礎(chǔ)理論為視覺技術(shù)取得今天的成就做出了非凡的貢獻，但是面對急劇增長的需求，顯得越來越力不從心。無論是Marr的視覺計算理論還是后來主動視覺理論，在分割問題上都是不適定的，其分割的假模型都是粗糙的、不恰當(dāng)?shù)模嬎銠C視覺的基礎(chǔ)理論制約了它自身的發(fā)展。本文正是為計算機視覺的發(fā)展尋求新的理論思想進行了一些嘗試，考察了它的來自于人工智能方面幾乎全部的思想基礎(chǔ)，指出了人工智能所面臨的范式局限：傳統(tǒng)AI常識的形式化和計算機視覺中圖形．背景

2、的分離是同一類問題，其共同本質(zhì)在于局部辨別與整體認識問題，傳統(tǒng)的形式化方法無法將整體形式化。分割/形式化是僅根據(jù)局部信息構(gòu)造整體的過程，是一種知覺的還原論方法。 我們認為生物視覺對計算機視覺的研究具有理論意義和現(xiàn)實意義。分別從生物視覺和計算機視覺的兩個角度廣泛、深入地探討分割和表現(xiàn)為分割的問題，提出了兩個不同層次的模型：生物視覺系統(tǒng)的整體論模型(Holistic Model，簡稱HM模型)和知覺的整體到局部的反饋模型(GLFM模

3、型)。 HM模型表明，生物視覺有以下四個特點：1)以生存競爭為目的，與環(huán)境相互作用而協(xié)調(diào)發(fā)展；2)它是一個動態(tài)的學(xué)習(xí)過程，如視覺的隱性學(xué)習(xí)機制；3)知覺形成是整體到局部多次反饋的結(jié)果；4)注意與視覺空間搜索，圖形一背景分離，高層知識反饋，視覺意識的形成密切相關(guān)。其視覺信息處理與計算機完全不同，前者采用范例的方式學(xué)習(xí)環(huán)境知識，而不是形式化邏輯推理的方式，采用整體到局部的反饋機制處理視覺信息等。相反，這卻是傳統(tǒng)AI和計算機視覺的問題

4、所在。 隨后，我們從顯式的角度研究了計算機視覺中的分割和分割假設(shè)問題。認為分割的各種算法都是基于分割的某些假設(shè)，如相似性，相鄰性等。分割假設(shè)模型是關(guān)于物體一般性質(zhì)的局部描述。計算機視覺就是按照物體一般性質(zhì)的局部描述重建特定物體的整體描述的。Hubel和Wiesel建立的感受野等級結(jié)構(gòu)理論是分割假設(shè)的理論前提，它解決了知覺神經(jīng)機制上的存在性、可構(gòu)造性問題，其構(gòu)造性是識別意義上的一種逆向分割。這一理論前提的可構(gòu)造性與形式化相一致，都