一种基于视觉感知及相位特征的纹理分割新方法

本文提出了一种基于视觉感知机理和相位特征的新型纺理分割方法，它由方向滤波器设计、局部非缠卷相位信息提取和可变金字塔分割三部分组成，通过有代表性的仿真实验验证了其正确性和有效性。     

计算机视觉模型的研究与发展

按照什么模型发展计算机视觉是当前急待明确桑有富争议的问题。本文介绍了 以Ｍａｒｒ框架为基础的传统高觉模型并分析了它潜在的问题，阐述了目的视觉模型的特点及一些研究课题，在此基础上，提出了我们对通用视觉与目的视觉之我的一些看法，最后对计算机视觉进一步研究应重视的领域提出一些建议。     

基于非均匀采样及选择注意机制的多分辨率边缘检测

本文提出了一种新的多分辨率边缘检测方法，它模拟了生物视网膜对视觉信息非均匀采样及生物视觉具有选择注意能力的特点，通过在视觉处理早期仅对感兴趣的区域注视而忽略或抛弃其他无关细节，将带宽和计算资源合理分配，与Ｍａｌｌａｔ等人提出的多分辨率分析框架相比，能进一步降低计算复杂度且更符合生物视觉机理。     

一种引入注意机制的视觉计算模型

提出了一种基于注意机制的视觉模型，其特点是：将注意过程分为３个层次，分别模拟生物的瞳孔聚焦、眼动和头动；提出一种新的可变结构的非均匀采样映射来模拟生物视网膜特性；强调了数据驱动的ｂｏｔｏｍ－ｕｐ过程与知识驱动的ｔｏｐ－ｄｏｗｎ过程的融合；提出新颖的类似树形的知识表示方法和基于深度优先搜索树的注意点转移控制机制。     

纹理图象的多信道滤波分割方法

纹理图象的分割分类方法是目前图象处理和机器视觉研究中的一个前沿课题，传统方法大多基于形态结构和统计描述，与人类视觉机理相脱节，无法进一步提高分精度。本文介绍了近几年来兴起的一类全新的方法，即基于空间／空间频率（ｓ／ｓｆ）平面的多信道滤波法，这类方法与人类视觉机理很好的吻合，对于人工纹理和自然纹理都能获很好的分割效果。     

基于多层感知遗传算法的图象分割新方法

本文提出了一种新的灰度图象分割方法．该方法模拟了人类视觉由粗到细的分割过程，针对图象中各位置的不同内容采用不同的细节分辨率，形成多层感知的塔式结构；而在每一分辨率层上，采用小生境的遗传算法进行图象分割，使整个算法具有较强的鲁棒性、适用性、非监督性及高度的并行性，通过与单层遗传分割算法［1］相对比，显示了该方法具有更好的分割效果．     

图象相位特征提取及其在纹理分割中的应用

强调了长期为人们所忽略的相位信息在纹理分割中的重要性，在介绍相位缠卷概念的基础上给出了盲目展开、胞腔式自动机、相位解调等几种获取局部非缠卷相位的方案，并对它们各自的优缺点进行了简单的阐述，最后给出了将展开相位作为特征信息应用于纹理分割的实例。