一种基于物体的视觉注意计算模型

为解决基于空间的视觉注意计算模型存在的注意目标不完整、容易转移到无意义区域等问题,提出一种结合空间显著性的基于物体的视觉注意计算模型。检测图像的边缘信息,根据空间视觉显著性度量结果,提取显著值高的封闭边缘,得到感知物体的轮廓。根据各感知物体的大小、位置和显著程度计算其注意度。注意焦点按照注意度递减的顺序在各感知物体之间进行转移。在多幅自然图像上进行实验验证,实验结果表明该模型具有和人类视觉特性相符合的注意效果。     

引入低对比度环境下视觉感知机制的轮廓检测模型

传统的基于视觉感知机制的轮廓检测模型在遇到边缘局部对比度低时会出现部分目标轮廓丢失现象,并且在去抑制区共线增强时会使得噪声增强或高曲率轮廓拐角处断裂。针对这些问题,提出一种引入低对比度环境下视觉感知机制的轮廓检测模型。在传统轮廓检测模型的基础上一方面引入刺激物对比度对感受野大小及侧抑制强度的调节机制;另一方面根据Gestalt知觉组织原则将去抑制区划分为邻接去抑制区和外周去抑制区,分别给予不同的增强机制。并结合数学形态学滤波方法对得到的轮廓进行噪声滤波处理。针对自然图像进行实验,结果表明本模型在解决上述问题上有显著效果,提高自然背景中轮廓提取的性能。     

基于区域显著性的活动轮廓分割模型

提出一种新的活动轮廓分割模型,结合视觉显著性检测机制自动获取待分割图像中目标物体的先验形状信息,并自适应地构造初始轮廓,从而降低了初始轮廓位置对分割算法的影响.同时实现了活动轮廓模型对图像的自适应分割和自动分割,使得分割结果更符合人类视觉感知特性.实验结果表明,该模型有较好的分割效果,迭代次数少,且运行时间短.     

一种基于感知物体的场景分析注意机制

基于物体的选择性注意在心理学领域正日益为广大研究人员所认可,而计算机视觉领域中现有的注意模型大多数是基于特征的,或者是基于空间的.本文给出了一种基于物体的选择性注意计算模型.该模型将“感知物体”作为引起注意的基本单元,并给出了感知物体及其邻域的定义.该注意模型包括两个步骤：（1）在给定图像中选择第一个注视点;（2）在整幅图像中实现注视点的有效转移.在该注意模型中,感知物体与其邻域之间灰度值的绝对差异--对比度,被作为该感知物体显著性的一种度量,并且注视点在图像中的转移顺序是由每个感知物体的显著度的次序来决定的.该模型的优点有：首先,由于该模型是完全基于感知物体的,使得其输出结果可以很容易地应用到物体识别、图像分割和场景分析中;其次,该模型是多尺度的,也就是说,它可以根据实际任务的需要进行适当的调整.大量的真实图像实验表明,所提出的模型具有一定的合理性.     

基于初级视通路视觉感知机制的轮廓检测方法

考虑到初级视通路中视觉信息传递和处理过程中的特点,本文提出了一种基于视觉感知机制的轮廓检测新方法.构建视觉信息局部细节检测与整体轮廓感知的不同路径.利用高斯导函数提取初级轮廓响应;构建神经网络,利用时空编码提高主体轮廓对比度;然后,利用非经典感受野的侧抑制作用抑制纹理背景;另外,针对轮廓信息强化以及检测鲁棒性的要求,在视辐射区提出了一种信息冗余度增强编码机制;最后,将初级轮廓直接前馈至初级视皮层,以达到轮廓响应的快速调节和完整性融合.以RuG40图库为实验对象,经过非极大值抑制和阈值处理,得到的轮廓二值图与基准轮廓图比较,在整个数据集中的最优平均P指标和每张图的最优平均P指标分别为0.48和0.55,并且FPS达到了1/2.结果表明本文方法能有效突出主体轮廓并抑制纹理背景,为后续图像理解和分析提供了一种新的思路.     

三维场景中被遮挡边界与错觉轮廓的感知修复

以格式塔心理学原理、视觉组织规则和静电场理论为参考,提出一个基于静电修复场的补全模型来解决立体视觉中的感知修复问题.在该模型中,定义用于产生修复场的激发子及其安置规则.该修复场能够自然地将轮廓片段的断点进行匹配并且用合适的光滑曲线进行连接修复,从而得到与人类的感知结果相一致的修复结果.修复结果用于重构存在遮挡和错觉轮廓的三维场景,能够得到正确的深度估计和分割.     

基于物体逻辑状态推理的未知物体视觉分割

为提高机器人的视觉感知能力,提出了一种新颖的基于物体逻辑状态推理的未知物体视觉分割方法.在语义层定义物体逻辑状态空间,根据机器人抓取动作反馈对物体逻辑状态进行推理.在数据层利用RGB-D摄像头采集生成场景3维着色点云,基于物体放置于支撑平面的假设,对所有可能的物体点进行空间聚类和分割,得到初始未知物体集并生成物体初始逻辑状态表示.当物体逻辑状态发生变化时,根据设定规则结合点集运算对物体点云进行重新分割,物体点云集的变化又用于指导物体逻辑状态空间的更新.在7自由度移动机械手系统上,进行了真实积木模拟环境下未知物体的视觉分割与抓取实验,实验结果证实本文方法可以有效提升机器人的视觉感知能力.     

基于信息流多级结构响应的轮廓检测模型

考虑到视觉信息流在视通路多级结构中的处理方式,提出一种图像轮廓检测的新模型。首先,根据初级视皮层(V1区)4B层的简单细胞具有三重感受野结构并对朝向敏感的特性,感知图像方位信息,并经复杂细胞提取获得边缘轮廓响应;其次,根据V1区2/3层细胞的抑制特性,引入稀疏性度量指标和神经元突触动态编码机制对边缘轮廓响应进行抑制,得到纹理抑制响应;最后,利用高级视皮层的融合修正机制,对边缘轮廓响应和纹理抑制响应进行优势互补,得到最终的轮廓检测结果。在RuG40和BSDS500图像数据集上进行实验,结果表明所提算法能够有效地区分图像的轮廓与纹理信息,凸显主体轮廓。所构建的基于信息流多级结构响应的轮廓检测模型对后续基于生物视觉机制的图像分析具有一定的参考价值。     

运载火箭控制系统的BIT设计与实现

根据拓扑性质知觉原理,视觉原语是从整体到局部,拓扑感知优先。根据此仿生原理,建立感知目标物的形状拓扑信息的数学模型。首先提取物体三维轮廓信息;将空间图形轮廓降维映射到二维投影平面中进行处理;建立提取空间图形拓扑特征的数学模型。将轮廓拓扑空间同胚映射到(Hausdorf或度量空间或)二维投影平面,保持了拓扑不变性,因此便于分析出拓扑特征,可继续应用拓扑映射原理,分析点集拓扑。最终,拓扑特征与知识库模型相匹配,识别出物体。     

基于视觉感知机制的织物疵点轮廓检测

针对传统人工织物疵点检测存在的误检及低效等问题,提出了一种基于视觉感知机制的自适应织物疵点轮廓检测方法.首先,模拟视觉系统中视网膜感受野对视觉信息的处理机制对织物疵点图像进行滤波及疵点增强;其次,依据初级视皮层(V1)区对视觉信息响应的方向选择性机制构建织物疵点图像边缘检测模型,实现对织物疵点图像的边缘检测.最后,采用自适应阈值选择的方法对检测到的边缘进行二次处理,获得织物图像疵点的轮廓.为验证本文方法的有效性和准确性,对4类织物疵点图像进行测试,并定性和定量两方面进行比较分析,结果表明文中提出的方法能够较好地检测出织物疵点轮廓信息,不仅可以得到质量较高的织物疵点轮廓图像,而且在整个检测过程中能够自适应的选择参数,避免受人的主观因素影响,具有实际的应用价值.