一种脑启发式的边缘检测模型

边缘是物体的基础特征,传统边缘检测方法具有一定的局限性。鉴于人类视觉系统能高效准确地感知物体的边缘信息,根据大脑侧膝体（Lateral Geniculate Nucleus,LGN）和初级视皮层（primary visual cortex,V1）简单细胞的感受野特性,提出一种脑启发式的前馈LGN-V1（Feedforward LGN-V1,FLV）视觉感知模型。首先用高斯函数之差模拟单个LGN细胞的同心圆式感受野,再通过同类LGN细胞的联合构建细胞组,最后将两类细胞组分别共线排列并平行放置模拟得到特定偏好朝向V1简单细胞。通过多简单细胞响应的整合获取全体V1简单细胞的响应。实验结果表明,FLV模型能体现真实简单细胞的生物特性。较传统的边缘检测方法而言,所提模型效果更优,具有更好的鲁棒性。     

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。     

视网膜功能启发的边缘检测层级模型

基于视网膜对视觉信息的处理方式,提出一种视网膜功能启发的边缘检测层级模型.针对视网膜神经元在周期性光刺激下产生适应的特性,构建具有自适应阈值的Izhikevich神经元模型;模拟光感受器中视锥细胞、视杆细胞对亮度的感知能力,构建亮度感知编码层;引入双极细胞对给光-撤光刺激的分离能力,并结合神经节细胞对运动方向敏感的特性,构建双通路边缘提取层;另外根据神经节细胞神经元在多特征调控下延迟激活的现象,构建具有脉冲延时特性的纹理抑制层;最后将双通路边缘提取的结果与延时抑制量相融合,得到最终边缘检测结果.以150张来自实验室采集和AGAR数据集中的菌落图像为实验对象对所提方法进行验证,检测结果的重建图像相似度、边缘置信度、边缘连续性和综合指标分别达到0.9629、0.3111、0.9159和0.7870,表明所提方法能更有效地进行边缘定位、抑制冗余纹理、保持主体边缘完整性.本文面向边缘检测任务,构建了模拟视网膜对视觉信息处理方式的边缘检测模型,也为后续构建由视觉机制启发的图像计算模型提供了新思路.     

引入视通路视觉响应与融合模型的轮廓检测

目的 为了提高轮廓检测的综合性能,特别是增强弱轮廓边缘的提取能力,在结合视觉机制的基础上提出了本文方法。方法 模拟视觉信息在视通路中的传递和处理过程,首先根据神经节细胞的中心周边拮抗机制,实现初级轮廓信息的快速提取;接着利用高斯函数与高斯差函数之间的差异性来模拟外膝体非经典感受野的调制作用,实现纹理背景的抑制;然后构建了一种V1区多朝向简单细胞感受野模型,提出了一种基于负值效应的DOG（difference of Gaussians）响应改进评价模式;最后考虑V1区复杂细胞在表征视觉高级特征的能力,给出了一种基于并行处理的视通路视觉响应融合模型,实现目标轮廓的检测与增强。结果 为了验证本文方法对自然场景图像的轮廓检测具备有效性,本文选取RuG轮廓检测数据库中的40幅自然场景图进行轮廓检测实验,并与二维高斯导函数模型（DG）、组合感受野模型（CORF）和空间稀疏约束纹理抑制模型（SSC）等3种典型的自然图像轮廓检测方法进行了分析比较。结果表明,本文方法检测提取到的主体轮廓更加完整,具有较高的图像纯净度,整体上反映了本文所提轮廓检测方法所具备的生物智能性。本文方法的平均P指标为0.45,相较于对比方法具有更好的轮廓检测性能。结论 本文方法具有较好的自然轮廓检测提取能力,尤其对于图像包含部分弱轮廓边缘的检测。本文构建的新模型将有助于对视通路中各层级功能和内在机制的理解,也将为基于视觉机制的图像分析和理解提供一种新的思路。     

结合视觉感知与LBP傅里叶直方图的图像检索

为了有效地提取图像特征以提高图像检索性能,借鉴生物视觉信息处理过程中的提取图像特征,提出一种结合视觉感知与局部二值模式(LBP)傅里叶直方图的图像检索算法.首先根据视觉感知特点,用主分量图作为亮度初级视觉特征,将形状边缘信息融入视觉注意模型,获得改进的Itti视觉注意模型,并基于该改进视觉注意模型得到50个视觉特征图;...     

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。     

一种仿生物视觉感知的视频轮廓检测方法

消除背景的局部边缘干扰同时保证目标的完整轮廓是视频轮廓检测的一个难点, 基于运动感知的生物视觉证据, 提出一种运动能量抑制模型, 有效抑制背景边缘, 激励目标的强边缘. 通过归一化整理视频运动切片的四方向运动能量抑制响应, 反映V1 层视觉神经元的周围抑制感知特性, 进而采用"双半圆盘"算子提取边缘梯度响应, 同时, 结合运动和外观线索, 用随机森林对边缘梯度响应的 局部结构进行树划分, 得到最终的检测结果. 实验表明, 本文提出的方法较已有的视频轮廓检测方法有更 优的量化查全-查准率曲线、F-measure值和AP值以及更好的视觉轮廓感官效果.     

灰度梯度感知人工蚁群的数字图像边缘检测

基于D.R.Chialvoetal.提出的原始模型和V.Ramosetal.的扩展模型,提出了一种用于数字图像边缘检测的基于灰度梯度感知的人工蚁群模型(ACGGP)。模型利用灰度梯度启发信息和信息素轨迹信息共同来指导蚂蚁的行为,这种策略能够有效地减小群体规模进而提高算法的时间性能。此外,还对模型体现出类似于某些人类视觉感知的机制,包括群体短暂记忆、图像主要特征敏感特别是能够良好抑制噪声的自发侧抑制机制等特征进行了阐述。模型在若干幅8bit灰度图像上进行了测试,并和Ramos模型以及经典数字图像边缘检测算法(canny算法)进行了客观比较。     

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。     

基于边缘检测的盲人图像感知系统设计

采用图像的边缘检测技术,设计了盲人图像感知系统,使盲人通过皮肤电刺激来感知图像信息,为盲人提供了一种获取视觉信息的新方法。该系统包括图像采集与处理系统和电触觉装置,用于产生皮肤电刺激。盲人通过摄像机采集图像,对该图像进行边缘检测得到边缘图像。然后把边缘图像发送给电触觉装置的单片机微处理器,单片机根据接收到的边缘图像数据控制二维电极阵列产生相应的电刺激,盲人通过皮肤电触觉来感知图像的边缘轮廓信息。盲人图像感知系统使盲人能够以触觉的方式"看到"视觉图像,大大提高了盲人的生活质量。     

基于最佳阈值和轮廓提取的边缘检测方法

边缘检测是图像处理、图像分析、模式识别、计算机视觉以及人类视觉的基本步骤之一,其结果的正确性和可靠性直接影响到机器视觉系统对客观世界的理解.本文分析了传统边缘检测算法的性能,提出了一种基于最佳阈值和轮廓提取相结合的方法,实验表明,该方法简单实用,抗噪性能强且定位准确.     

基于斜Haar类变换的图像边缘检测

图像边缘检测是图像处理和计算机视觉中的基本技术。提出了一种新的基于斜Haar类变换的图像边缘检测方法。实验表明,该算法具有较好的边缘检测能力,不仅方法简单、计算速度快,而且对于处理灰度渐变图像是有优势的。     

A collaborative decision-making model for orientation detection

Orientation detection is a fundamental task for biological vision and machine vision. Hubel and Wiesel discovered the selectivity in a simple cell to stimulus of specific orientation, and proposed the famous feedforward model. The Hubel–Wiesel hypothesis attributes the orientation selectivity in a simple cell to the overlapping receptive field centers of its afferent LGN cells along a line, and therefore has several difficulties in the implementation. This paper proposes a collaborative decision-making approach of orientation detection using a double-layer neural network. The single estimation layer estimates the relative position of the contrast edge according to each bottom neuron's response to the contrast stimulus; and the collaborative-decision making layer determines the orientation by optimizing a least square with a unimodular constraint. This computational model cannot just account for orientation selectivity in a flexible way, but be applied to image processing. The statistical experiments found a satisfactory model configuration that balances the computational cost, effectiveness, and efficiency. The simulation experiments yield accurate results invariant to the contrast, and reasonably explain several visual illusions. Moreover, the proposed algorithm outperforms the related image processing algorithms on challenging natural images. The underlying neural mechanism of this model is compatible with the neurobiological findings, and is therefore appropriate for approaches of accomplishing higher level visual tasks.     

基于Walsh-Haar类变换的图像边缘检测

图像边缘检测是图像处理和计算机视觉中的基本技术。论文提出了一种新的基于Walsh-Haar类变换的图像边缘检测方法。实验表明,该算法具有较好的边缘检测能力,不仅方法简单,而且检测到的边缘多于传统的边缘检测方法。     

Gabor filter-based edge detection

It is common practice to utilize evidence from biological and psychological vision experiments to develop computational models for low-level feature extraction. The receptive profiles of simple cells in mammalian visual systems have been found to closely resemble Gabor filters. Daugman proved that Gabor filters achieve joint minimal joint uncertainty. These results led researchers to develop computational models based on Gabor filters for several low-level vision applications such as edge detection, texture classification, optical flow estimation and data compression. In this paper, the performance of a Gabor odd filter-based edge detector is investigated using the measures proposed by Canny. Based on this performance analysis a design criterion for one-dimensional (1D) Gabor filter-based edge detector is derived. It is shown that this design criterion also holds good for a two-dimensional (2D) Gabor filter-based edge detector. Experimental results are presented to demonstrate the performance of the Gabor filter-based edge detector.     

Using Human Visual System modeling for bio-inspired low level image processing

An efficient modeling of the processing occurring at retina level and in the V1 visual cortex has been proposed in [1], [2]. The aim of the paper is to show the advantages of using such a modeling in order to develop efficient and fast bio-inspired modules for low level image processing.At the retina level, a spatio-temporal filtering ensures accurate structuring of video data (noise and illumination variation removal, static and dynamic contour enhancement). In the V1 cortex, a frequency and orientation based analysis is performed.The combined use of retina and V1 cortex modeling allows the development of low level image processing modules for contour enhancement, for moving contour extraction, for motion analysis and for motion event detection. Each module is described and its performances are evaluated.The retina model has been integrated into a real-time C/C++ optimized program which is also presented in this paper with the derived computer vision tools.     

基于混合基稀疏图像表示的压缩传感图像重构

单一基函数不能对同时包含边缘和纹理信息的自然图像进行最优压缩传感图像重构. 本文根据Meyer的卡通--纹理图像模型和生物视觉原理, 用拉普拉斯塔式分解和圆对称轮廓波分别表示图像的光滑成分和边缘成分, 并构造了窄带轮廓波变换实现纹理成分的稀疏表示. 三种稀疏变换的基函数分别与视觉皮层中的侧膝体、简单细胞及栅格细胞的感受野类似. 结合三种图像稀疏表示方法和凸集交替投影算法提出了基于混合基稀疏表示的压缩传感图像重构算法. 实验结果表明,与基于块匹配三维变换迭代收缩的图像重构算法比较, 本文算法能获得更高的图像重构质量.     

Enhanced GPU-Based Anti-Noise Hybrid Edge Detection Method

Today, there is a growing demand for computer vision and image processing in different areas and applications such as military surveillance, and biological and medical imaging. Edge detection is a vital image processing technique used as a pre-processing step in many computer vision algorithms. However, the presence of noise makes the edge detection task more challenging; therefore, an image restoration technique is needed to tackle this obstacle by presenting an adaptive solution. As the complexity of processing is rising due to recent high-definition technologies, the expanse of data attained by the image is increasing dramatically. Thus, increased processing power is needed to speed up the completion of certain tasks. In this paper,we present a parallel implementation of hybrid algorithm-comprised edge detection and image restoration along with other processes using Computed Unified Device Architecture (CUDA) platform, exploiting a Single Instruction Multiple Thread (SIMT) execution model on a Graphical Processing Unit (GPU). The performance of the proposed method is tested and evaluated using well-known images from various applications. We evaluated the computation time in both parallel implementation on the GPU, and sequential execution in the Central Processing Unit (CPU) natively and using Hyper-Threading (HT) implementations. The gained speedup for the naïve approach of the proposed edge detection using GPU under global memory direct access is up to 37 times faster, while the speedup of the native CPU implementation when using shared memory approach is up to 25 times and 1.5 times over HT implementation.     

基于边缘细化的角点提取算法

图像的角点提取在计算机视觉领域中具有重要的应用价值。本文基于角点一定是边缘点且是两条边缘或多条边缘交点的这一几何特性,提出了一种基于边缘细化的角点提取算法。算法先用Canny算子提取图像的边缘,然后进行细化并填充边界线上的断点,再利用角点的几何特性来确定角点的位置。实验结果表明,这种算法提高了角点提取的正确率、定位精确、实用性强。