基于HMAX特征的层次式柑桔溃疡病识别方法

提出了一种自底向上的层次式柑桔溃疡病识别算法.针对柑桔溃疡病斑外观多样的特点,采用了在尺度和方向上具有较强不变性和选择性的HMAX特征集来进行病斑图像的特征表示.自底向上的识别过程能够加快识别速度,对于局部特征性强的对象识别能够有效提高识别率,减少误识别率.最后利用AdaBoost方法构造分类器对病斑进行识别,比较实验结果证明本文提出的算法能取得较好的识别效果.     

Automatic Quality Inspection of Bakery Products Based on Shape and Color Information

基于形状和颜色信息的烘焙产品的自动质量检测

Babar Khan,韩芳*,王直杰,Ather Iqbal

（东华大学 信息科学与技术学院,上海 201620）

创新点说明：

利用支持向量机和基于生物启发式HMAX模型的形状辨识器与RGB对抗颜色通道辨识器集成而形成一种有效的智能分类系统,并将其用于烘焙产品的质量检测。

研究目的：

本文要对烘焙产品进行更有效的质量检测,需要提出一种智能方法。

研究方法：

本文采用了支持向量机、基于生物启发式HMAX模型的形状辨识器与RGB对抗颜色通道辨识器集成,形成一种高级自动分类系统,对烘焙产品根据其形状和颜色（烘焙时间）进行对应分类。

结果：

利用本文方法对烘焙产品进行质量检测的结果与其它方法相比较,发现本文提出的基于生物启发的机器视觉系统运行更加精确和有效,同时发现采用One Versus One支持向量机和Directed Acyclic Graph支持向量机可以得到最大的分类精确率。本文方法对饼干形状和颜色的辨识分别达到了95%和100%的分类精确率。同时,算法稳定。

结论：

本文方法因其更加可靠和精确可用于代替现有的烘焙产品检测方法。

关键词：烘焙产品质量检测,计算机视觉,HMAX, 对抗颜色通道,RGB颜色辨识器,支持向量机

     

基于双树复数小波的视觉信息处理模型

本文基于双树复数小波变换的多尺度、多方向选择特性,对Jim Mutch提出的视觉信息处理模型进行改进。改进后算法大大提高了运算速度,同时获得的特征向量具有尺度、旋转和平移不变性。最后,利用支持向量基进行分类识别。Cal-tech101人脸数据库的实验结果表明,该方法能够取得较好的分类效果。     

Robust Handwritten Character Recognition with Features Inspired by Visual Ventral Stream

This paper focuses on the applicability of the features inspired by the visual ventral stream for handwritten character recognition. A set of scale and translation invariant C2 features are first extracted from all images in the dataset. Three standard classifiers kNN, ANN and SVM are then trained over a training set and then compared over a separate test set. In order to achieve higher recognition rate, a two stage classifier was designed with different preprocessing in the second stage. Experiments performed to validate the method on the well-known MNIST database, standard Farsi digits and characters, exhibit high recognition rates and compete with some of the best existing approaches. Moreover an analysis is conducted to evaluate the robustness of this approach to orientation, scale and translation distortions.     

基于 GaborSIFT+NNScSPM 图像特征抽取算法研究

视觉信息的特征表示是计算机视觉场景图像理解研究中的核心内容. 基于GaborSIFT+NNScSPM的图像特征抽取算法,借鉴生物视觉机制中的相关 研究成果,有机结合了HMAX层次计算模型的思想和非负稀疏编码的策略, 较为合理地模拟了生物视觉皮层中视觉处理的过程.在15类场景图 像和Caltech101两个公开数据集上进行了实验验证, 实验结果表明我们所提出的算法较同期算法有着良好的分类性能.     

基于HMAX模型和非经典感受野抑制的轮廓提取

针对图像里处于复杂纹理背景中物体的轮廓提取正确率低的问题,首先研究了基于非经典感受野抑制的轮廓提取算法和HMAX模型,然后利用HMAX模型所具备的具有基本视皮层功能结构的优点,弥补了前者所依据的生物学视觉结构比较简单的不足,最后提出并实现了基于HMAX模型和非经典感受野抑制的轮廓提取算法。通过与Canny算子和非经典感受野抑制的轮廓提取算法的评估比较,表明本文算法有效提高了轮廓提取的正确率。     

改进视皮层视觉机制的视觉注意力模型

人类的视觉注意机制是人类大脑感知事物的最直接的功能。提出了一种基于视皮层视觉机制的生物激励注意模型。利用HMAX(hierarchical maximization)模型的四层机制中的C1细胞单元图,构造独立成分分析(independent component analysis,ICA)滤波器组,进一步利用对尺度、平移等均具有不变性的C2细胞特征,以及香农熵理论,共同构造用于视觉显著性区域检测的测度。在心理学实验的自然场景图像以及心理学刺激模式上的结果表明,该方法与传统方法相比,更符合人眼的感知特性,从而进一步验证了该方法的有效性和准确性。     

Hierarchical Feature-Based Detection Method for SAR Targets Under Complex Environment

A reliable target detection method for Syn-thetic aperture radar (SAR) images is needed urgently with the wide application of SAR systems. The perfor-mance of conventional detection algorithms, such as Con-stant false alarm rate (CFAR), degrade significantly in low SCR or complex regions while the Human visual system (HVS) can identify targets of interest without knowing characteristics of the background even in complicated en-vironment. The combination of HVS with the SAR-ATR system may effectively achieve real-time multi-target de-tection in complex occlusion scenes. A new effective tar-get detection algorithm is put forward using hierarchical characteristics of targets. Inspired by different roles of the retina and visual cortex in the HVS, this detection algo-rithm is divided into coarse detection and fine detection stage. Two kinds of features based on the correlation be-tween target features and suspicious targets, namely over-all feature and refined feature, are used in these two stages respectively to extract real targets. Experimental results verify its correctness and effectiveness in complex environ-ment.     

一种用于加速神经视觉识别的硬件架构

深度学习的广泛应用带来了视觉分析中许多类似人类认知任务的实现。HMAX 是基于视觉皮层的生物启发模型，已在多类物体识别中被证明优于标准计算机视觉方法。但是，由于神经形态算法的高复杂性，在边缘设备上实现 HMAX 模型仍然面临巨大挑战。已有研究表明，HMAX 的 S2 阶 段是运行最耗时的阶段。该文提出了一种基于脉动阵列的新架构来加速 HAMX 模型的 S2 阶段。仿真结果表明，与基准模型相比，HMAX 模型最耗时的 S2 阶段执行时间平均减少了 14.65％、内存所需的带宽减少了 3.34 倍。