计算视觉及其正则化方法

以视觉信息处理的理论研究为中心课题的计算视觉,是当今世界视觉研究的主流.它不仅在生物智能中为我们全面地理解视觉创造了条件,而且在人工智能中为我们开发自动图象分析系统奠定了基础.本文扼要地论述了 Marr 的视觉理论和 Poggio 的视觉正则化方法,目的是要说明计算方法是研究人和机器的视觉信息处理的一个自然方法.     

视觉信息处理的计算理论

本文介绍 D.Marr 的视觉计算理论。着重论述该理论的特点,主要内容包括视觉信息处理的三个描述水平和计算理论的三级表象结构。目的是要阐明如何从图像中抽提三维物体的形状信息,识别三维几何形状。我们分析了这一理论的意义,同时提出了我们的一些初步设想。     

基于早期视觉的算法模型评述

计算机视觉与神经生理学相结合,早期视觉模型与计算相结合,对视觉研究领域具有深远的意义.早期视觉研究处理的视觉信息是视觉系统接受信息的第一步,是视觉研究的基础.它用计算机视觉的实现方式,模拟了视锥通路的早期视觉信息处理模型,验证了生理视网膜在信息处理过程中的特性,分析了视觉神经在信息采集必须充分必要的条件下,硬件复杂度、处理时间与处理精度之间的平衡.     

神经网络与神经计算机 第六讲 神经网络在视觉信息处理中的应用

<正> 6-1 引言众所周知,视觉是一个极其复杂的信息处理过程,其目的是从视网膜图象中恢复外部世界的性质或者知道外部有什么东西以及这些东西在什么地方。用计算机完成这些任务几乎是困难重重,但神经网络理论和方法似乎给视觉信息处理带来了巨大的希望。实际上,     

视觉信息处理的人工神经系统模型研究

本文分析了视觉系统平行和串行相结合的信息处理结构,提出三层结构的视觉信息处理模型:视觉感受器层、视觉信息传导与中继层和视皮层区的信息处理层。在对视觉系统中各层的生物原型进行分析、抽象和简化的基础上,提出与视觉系统对应的人工神经系统框架模型。     

一种新型的视觉计算机

视觉信息处理可以看作是从三维环境的图象中抽取、描述和解释信息的过程.根据该过程所涉及的方法和技术的复杂性,可将它们分成三个处理层次:低层视觉,中层视觉和高层视觉.作者根据各个层次视觉处理的要求和特点,提出分别采用基于DSP的低层视觉处理模块,中层视觉处理模块——PIPE以及高层视觉处理模块——并行图归约机(PGR).它们共用一个工作平台IBMPC,组成混合型视觉计算机.这可能是解决视觉信息处理复杂、数据量大以及实时要求高等问题的有效方法.     

视觉认知计算模型综述

视觉认知计算模型作为联系视觉认知和信息计算的有效手段,其研究涉及到认知科学、信息科学等多个交叉学科,具有复杂性和多样性等特点。为能更好地把握其发展规律,文中从视觉计算角度系统总结视觉认知计算模型,以其两个主要来源为主线分别从生物视觉机制和视觉计算理论回顾视觉认知计算模型的发展。根据其研究的特点,对视觉认知计算模型的发展做出一定评述,并指出视觉认知计算模型的发展必将对计算视觉理论和生物视觉机制产生深远影响。     

计算机视觉系统框架的新构思

计算机视觉是人类视觉的模拟。计算机视觉四十多年的发展既取得了成绩也存在不足。在计算机视觉发展过程中,相继提出了三个主要的理论框架：计算视觉理论,基于知识的视觉理论和主动视觉理论。该文对这三个理论框架及其存在的问题进行了讨论,并提出了一个完善和通用的计算机视觉的系统框架。     

视觉注意模型研究方法

随着信息技术不断的发展,处理的数据不断增加多,用户对信息处理的效率和准确性要求越来越高,如何选择合适的机器人视觉注意模型电能质量算法已经成为目前研究的热点,本文介绍了视觉注意模型的相关理论,阐述了其对计算机视觉的重要意义。     

平行视觉:基于ACP的智能视觉计算方法

在视觉计算研究中,对复杂环境的适应能力通常决定了算法能否实际应用,已经成为该领域的研究焦点之一.由人工社会（Artificial societies）、计算实验（Computational experiments）、平行执行（Parallel execution）构成的ACP理论在复杂系统建模与调控中发挥着重要作用.本文将ACP理论引入智能视觉计算领域,提出平行视觉的基本框架与关键技术.平行视觉利用人工场景来模拟和表示复杂挑战的实际场景,通过计算实验进行各种视觉模型的训练与评估,最后借助平行执行来在线优化视觉系统,实现对复杂环境的智能感知与理解.这一虚实互动的视觉计算方法结合了计算机图形学、虚拟现实、机器学习、知识自动化等技术,是视觉系统走向应用的有效途径和自然选择.     

神经网络的集合运算

计算神经科学是在视觉计算理论影响下最近才产生的一个新的神经科学分支,其目的在于把从事人工智能、工程学和神经科学研究的科学家组织起来,共同开创一条利用各学科交叉研究脑信息处理的新路.本文介绍模型神经网络的集合运算性质,着重论述 Hopfield 提出的研究神经网络计算特性的理论框架及其在视觉中的应用.在这个基础上,我们分析了 Hopfield 模型的意义.     

一种用于三维物体定位的视觉方法

本文讨论了一种利用视觉信息对限定性物体在三维空间定位的方法。这项工作是一个在脱机的高级机器人语言控制下验证视觉系统的一部分。本文对这一视觉系统的整体结构及其与高级机器人语言系统的关系做了概要的介绍,并且着重讨论了其中的低级视觉信息处理模块的工作原理,以及利用视觉信息对三维空间中的物体进行定位的精度     

视网膜假体视觉信息处理模型

视觉假体方案是神经工程领域用于部分或完全恢复视觉的主要手段,建立生物视网膜模型,并仿真其视觉信息处理功能,是视网膜假体研究中的一个重要组成部分.从已知的生理机制出发,提出两层结构的视网膜信息处理模型:外网状层(Out Plexiform Layer,OPL)信息提取和内网状层(Inner Plexiform Layer,IPL)信息编码,通过时空滤波、静态非线性调整和泊松峰电位产生,建立输入刺激图像和输出峰电位序列之间的直接关系,并在 MATLAB 平台上结合其图形模块进行仿真研究,得到了与内、外网状层处理结果对应的边缘轮廓图像和携带视觉信息的峰电位序列,为视网膜假体研究提供了一种理论上的可行性模型.     

基于视觉选择性注意机制的目标检测的研究

视觉选择性注意模型的应用是当今认知信息处理领域的研究热点。根据人类视觉感知理论,在介绍具有代表性的视觉注意模型（Itti模型）的基础上,在特征提取的初级阶段引入新的低层视觉特征,形成一种新的引导注意的显著图,从而实现较为准确的目标检测。结果证明该方法在一定程度上避免了漏检测现象的发生,使得注意区域更能接近生物视觉系统的实际。     

自然场景中的视觉显著对象检测

显著对象检测是视觉注意机制的一个重要应用基础研究,对于图像检索、场景分析、图像标注与对象识别都有着重要的研究意义。基于Tresiman特征整合理论和Koch计算框架,提出一种自然场景中视觉显著对象的检测方法。该方法首先建立适用于彩色自然场景的视觉显著度模型,计算多种不同特征的显著度,然后在融合不同特征的综合显著度图中提取显著对象。实验结果表明,与经典的Itti模型相比,这种方法不仅检测快速而且更准确地将视觉显著对象从背景中分离出来,更符合人眼的真实视觉注意过程。     

融合触、听、视觉的多通道认知和交互模型

以触觉相关的多通道交互研究为立足点,结合经典的多通道假设和最新的认知理论,提出一种融合触觉、听觉、视觉的多通道信息认知加工模型,并就计算机端的信息处理过程提出了多通道交互的分层处理模型,分析了相应的多通道整合方法.该模型对交互界面与程序主体功能定义不同的实现路径,区分交互设备和交互信息处理过程,有利于从不同角度对交互界面的研究工作进行简化,避免高耦合度带来的冗余工作量;实现了一个融合触、听、视觉交互的实例.实例结果表明,利用文中模型能够降低多通道交互研究的分析难度并提高实验效率.     

脉冲视觉研究进展

视频是视觉信息处理的基础概念,传统视频的帧率只有几十Hz,不能记录光的高速变化过程,成为限制机器视觉速度的天花板,其根本原因在于视频概念脱胎于胶片成像,未能发挥电子和数字技术的潜力。脉冲视觉模型通过感光器件捕获光子,累积能量达到约定阈值时产生脉冲,形成脉冲的时间越长,表明收到的光信号越弱,反之光信号越强,据此可估计任意时刻的光强,从而实现连续成像。采用普通器件,研制了比影视视频快千倍的超高速成像芯片和相机,进而基于脉冲神经网络实现了超高速目标检测、跟踪和识别,打破了机器视觉提速依赖算力线性增长的传统范式。本文从脉冲视觉模型表达视觉信息的生物学基础和物理原理出发,介绍了脉冲视觉原理的软件模拟器及其模拟真实世界光子传播的计算过程,描述了基于脉冲视觉原理的高灵敏光电传感器件及芯片的工作机理和结构设计、基于脉冲视觉的影像重建原理以及脉冲视觉信号与普通图像信号融合的计算摄像算法与计算摄像系统,介绍了基于脉冲神经网络的超高速运动目标检测、跟踪与识别,通过对比国际国内相关研究内容和发展现状,展望了脉冲视觉的发展与演进方向。脉冲视觉芯片和系统在工业(高铁、电力和轮机等不停机监测,智能制造高速监视等)、民用(高速相机、智能交通、辅助驾驶、司法取证和体育判罚等)以及国防(高速对抗)等领域都具有巨大应用潜力,是未来值得重点关注和研究的一个重要方向。     

视觉不变量与机器视觉研究

综述了视觉不变量用于机器视觉研究的新趋向——不变量视觉，概括了视觉不变量理论的主要内容和应用，以及所作的实际研究。     

视觉信息加工的一些理论和模型

1 前言视觉系统是怎样对千变万化的外部世界进行感知的?这是一个很吸引人而又极为复杂的问题。多年来,生理学家对视觉信息加工的机理一直进行着不懈的探索,已经取得了许多有意义的结果,特别是在图象识别和景物辨认方面。在此基础上,形成了最早的视觉加工理论——特征检测器理论。生理学的工作大都着重于揭示信息加工的基本单元——神经元的特性     

计算机视觉

把智能自动机与计算机首先联系起来应追溯到五十年代的图林先生。自那以后,人们在模式识别与人工智能领域中一直把具有信息处理能力的计算机赋以生物机体的识别处理能力作为他们的目标。人工智能的目标之一就是构成具有处理感觉到的输入信息能力的机器。人们感受客观世界70%的信息是从眼睛中得来的,因此视觉信息就成为当前信息研究的中心之一。计算机视觉就是从图象中构成实际对象的明确的有意义的描述。图象理解包括图象信