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.     

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.     

基于图像一致性计算的目标识别算法

视觉计算模型集合了人类视觉系统(HVS)的复杂特征,并模拟了视觉输入的分层感知表达。自底向上机制是现代模型中最常见的特征,是指无意识的注意,所提出的一致计算方法模拟自底向上视觉注意,并通过一致区域的计算来达到目标识别的目的。所提模型主要基于对HVS行为的目前的理解,使用对比敏感度函数、感知分解、视觉掩蔽形成一个神经性视觉空间,并在此基础上使用center-surround交互、感知编组和显著图的建立来得到最终的显著图。所提模型的性能通过使用自然图像来进行评估,并将其结果与参照的经典的自底向上模型进行对比,结果表明该模型实效性高。     

基于视觉仿生机理的成像目标检测和识别方法及感知计算

目标检测和识别是图像分析和理解的核心问题,构建了一种仿人眼视觉特性的视觉检测和目标识别体系结构及感知计算模式。借鉴人眼视觉信息获取与处理的变空间分辨率机理和稀疏性,构建大场景(LF)子系统和小场景(SF)子系统分别获取多分辨率、多尺度和不同精细粒度的初级视觉特征信息。提出了一种在小波域下受视觉注意力机制引导的LF子系统感知场景整体统计特性的目标检测和定位方法,由SF子系统集中对目标形成凝视并提取细粒度特征信息,对特征进行整合,形成兴趣图,然后采用非均匀采样、多尺度分析和胜者为王(Winner-take-all机制)产生目标间的竞争实现分类识别。仿真实验结果表明,统计分析方法降低了信息冗余,快速准确地检测出感兴趣目标区域,而基于注意机制的目标识别在多类目标分类中达到94.40%的总准确率。     

基于视觉系统"What"和"Where"通路的图像显著区域检测

受神经解剖学和心理学中有关视觉系统研究成果的启发,提出一个新的基于"wht"和"where"通路的图像显著区域检测模型.该模型包括显著区发现和显著区转移这两个感知过程,首先通过度量统计特征显著性,找到第一个显著区域和潜在目标,然后计算当前潜在目标的吸引力以确定下一个显著区域及相应的潜在目标,以此循环直到得到整幅图像的信息.该方法应用于多幅自然图像的实验,结果证实该模型检测效果较好,并具有一定的抗噪能力.     

动态图像序列的视觉心理仿真模型研究

在生物视觉心理模型的研究中,为了准确地反映图像特征,通过对动态图像序列的视觉心理仿真的深入研究,在原有模型的基础上建立了并行式的动态图像序列处理机制.对静态以及运动处理通路的数学计算,获得了与运动目标整体一致的方向感知,建立了运动方向感知的视觉心理核心计算模型,并依据模型进行了仿真.从仿真输出几何图形的结构化场景到自然图像的真实场景,比较分析了几种动态图像序列.从计算机仿真的结果来看,模型计算比较准确,适应性较强,在一定程度上也说明了模型是符合生物视觉系统的心理处理机制的.     

引入初级视通路计算模型的轮廓检测

目的 轮廓是对图像目标的一种稀疏表达方式，从图像中提取出有效物体轮廓可以更好地完成后续的视觉认知任务，所以轮廓检测在计算机视觉领域具有较好的应用。本文考虑到初级视通路中视觉信息传递和处理流程中的特点，提出了一种基于初级视通路计算模型的轮廓检测方法。方法 在视网膜神经节环节，提出一种体现方向选择特性的经典感受野（CRF）改进模型，利用多尺度特征融合策略来模拟视网膜神经节细胞对图像目标的初级轮廓响应；在视网膜神经节到神经节-外膝体（LGN）的视通路中，提出一种反映视觉信息时空尺度特征的时空编码机制，模拟神经节-外膝体通路对初级轮廓响应的去冗余处理；利用非下采样轮廓波变换和Gabor变换协同作用，模拟非经典感受野（NCRF）的侧向抑制特性。最后利用初级视皮层对整体轮廓的前馈机制，实现对轮廓局部细节信息的完整性融合。结果 选择将RuG40图库的所有图像作为测试集合进行模型性能测试，对检测结果进行非极大值抑制和阈值处理，最终将得到的二值轮廓图与基准图比较，整个数据集和单张图的最优平均P指标分别为0.49和0.56。对于单个图像最优参数条件下的检测结果均值，将本文方法与非经典感受野抑制模型（ISO）和多特征外周抑制模型（MCI）比较，较两者分别提高了19.1%和7.7%。结果表明本文方法能有效突出主体轮廓并抑制纹理背景。结论 面向图像处理应用的初级视通路计算模型，将为后续图像理解和分析提供一种新的思路。     

生物启发的人群突发局部聚集感知神经网络

公共场所中的人群突发局部聚集常是异常事件发生的先兆,由于其随机性强,前兆特征不明显,现有的传统计算机视觉技术较难对其有效检测。基于蝗虫视觉系统的神经结构特性与小叶巨型运动检测器（lobula giant movement detector,LGMD）危险感知机理,提出一种人群突发局部聚集行为检测的LGMD改进型神经网络模型。该模型感知人群活动在视野域中引发的视觉信号,基于哺乳动物视网膜视觉信号处理机制整合视觉运动线索,借助LGMD神经元危险感知机理构建尖峰阈值机制调谐神经网络输出,以感知人群活动中的突发聚集行为。不同场景下的人群活动视频实验结果表明,提出的神经网络能有效检测视野域中人群突发局部聚集行为并对其预警。该文涉及生物视神经机理启发的人群活动动态视觉信息加工处理,可为智能视频监控中的人群活动检测与行为分析提供新思想、新方法。     

基于视觉感知的图形化人机交互界面分层模型

由于传统方法没有通过特征提取方法获取图像关键滤波纹理系数,导致人机交互界面图像存在增强效果不佳,非平缓区域、曲面区域等不同层次信息量不丰富的问题,为解决上述问题,设计了基于视觉感知的图形化人机交互界面分层模型.构建图像处理模型,采用边缘轮廓特征提取方法,获取关键滤波纹理系数与边缘轮廓信息分量等特征信息.使用层次分析方法对交互界面视觉传达效果进行优化.以交互界面各个区域视觉感知强度和边缘轮廓内视觉感知元素重要度为基础,建立基于视觉感知强度的图形化人机交互界面分层优化模型,并通过遗传算法求解该模型,实现图形化人机交互界面的分层优化.实验结果显示,上述模型的图像亮度增强效果更优,符合人眼视觉感知要求;信息熵始终处在较高数值,具有较好的图像融合效果,信息量丰富.     

基于情景记忆的运动小目标行人检测神经网络

从视觉场景中可靠地检测小目标行人对象是构建未来人工智能视觉系统的重要基础。由于运动小目标的视感尺寸小且纹理特征模糊,导致现有的传统行人目标检测方法难以应对。针对该问题,基于蝗虫视觉系统的神经结构特性,借助人类大脑内侧颞叶（MTL）情景记忆认知机理,提出一种适用于运动小目标行人检测的人工视觉神经网络（STPDNN）模型。所提出的神经网络包括两部分：突触前和突触后子网络。其中,突触前网络模拟蝗虫视觉系统加工处理视觉信号的神经机理,获得表征目标对象低阶特征的视觉运动线索;突触后网络从低阶视觉信号中提取出行人目标的情景记忆高阶信息,以实现对运动目标的偏好性响应。系统性的实验结果表明,提出的STPDNN可有效检测视觉场景中的运动小目标行人对象。该研究工作涉及生物视神经机理启发的行人目标动态视觉信息加工处理,可为智能视频监控中的行人检测识别与运动行为分析提供新思想、新方法。     

有指向性的视觉注意计算机模型

注意把有限的处理资源优先分配给那些需要精细加工的信息,能提高视觉信息加工中的检测能力和响应速度.基于生物视觉系统的生理结构特点,建立了模拟生物视觉注意系统的有指向性的视觉注意计算机模型.模型首先模拟生物视网膜的成像机制,将视场图像转化为视网膜图像;然后将最大梯度边缘检测和c-均值聚类等方法相结合,对视网膜图像中的目标进行编码,分别提取每个目标的颜色、中心以及边缘点集合等基本信息;最后用知识库中指向性目标的特征来指导注意焦点的转移.实验结果表明,利用此模型能较好地实现注意焦点的转移.     

基于生物视觉的目标识别与跟踪

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,提出了基于生物视觉的目标识别与跟踪模型.该模型采用CNN来模拟内视网膜激发模块,用在高分辨率下具有旋转、缩放、平移(RST)不变性的HU矩实现测量空间到特征空间的转化,最后采用BP神经网络来实现目标分类、质心(COG)算法实现目标跟踪.经过大量真实图像的试验,证明了图像分辨率达到1024* 024时,目标识别率达到95％以上,同时具有良好的跟踪效果,该模型中的算法具有良好的鲁棒性.     

一种基于颜色拮抗感受野的轮廓检测模型

轮廓检测在目标识别、图像分割和模式识别等图像分析领域有着非常重要的意义。根据视觉的生物学原理,研究人员已提出了针对灰度图像的轮廓检测方法,并取得了较好的检测结果。但是,颜色信息可以表示出图像的大部分信息,在轮廓检测中发挥的作用不可忽视。杨开富等人提出的CO模型可以较好地提取图像中的目标轮廓,但该模型的计算效率还有待提高。文中提出一种轮廓检测模型CRFM(Color-opponent Receptive Field Model),该模型依据视觉信息处理机制,分别模拟视网膜神经节细胞和外侧膝状体细胞感受野的响应。此外,CRFM采用两个不同尺度的高斯偏导函数之差来模拟初级视皮层细胞的颜色双拮抗感受野响应,拟合视觉特征,且由于模拟双拮抗感受野的滤波器通常产生较小的数值,因此加快了其与图像信息卷积的计算速度,降低了运行开销。利用BSDS300数据库的图像进行实验,结果表明,CRFM模型能够获得较好的轮廓检测效果,且具有较CO模型更高的执行效率,具有较好的实用性。     

基于注意机制的运动目标识别的研究

针对David Marr 的视觉计算理论的缺陷，提出一种新的由上到下的模式，以任务驱动，采用Mallat多分辨率边缘检测方法进行显著特征影射的模型系统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，采用改进的采样模式处理感兴趣的区域(ROI)。在应用中，利用目标的多尺度特征，合理分配计算资源，以达到实时高效处理的目的。     

神经形态视觉传感器的研究进展及应用综述

神经形态视觉传感器具有高时域分辨率、高动态范围、低数据冗余和低功耗等优势,近年来在自动驾驶、无人机视觉导航、工业检测及视觉监控等领域(尤其在涉及高速运动和极端光照等条件下)产生了巨大的应用前景.神经形态视觉是一个包含硬件、软件、生物神经模型等的视觉感知系统,终极目标是模拟生物视觉感知结构与机理,以硅视网膜达到、扩展或超...     

基于卷积神经网络的仿鼠脑海马结构认知地图构建方法

针对融合视觉信息的仿鼠脑海马模型闭环检测精度较低、地图构建不准确的问题,文中提出基于卷积神经网络的仿鼠脑海马结构认知地图构建方法.利用改进的卷积神经网络模型提取视觉输入特征,融合空间细胞计算模型得到位置信息,并构建认知地图.基于汉明距离计算视觉信息与视图库中图像的相似度,实现对复杂动态环境中熟悉场景的识别,完成机器人在环境中的定位及位置纠正.仿真与物理实验验证文中方法的有效性与鲁棒性.     

一种上下文信息融合的安全帽识别算法

为了预防人员防护缺失导致的生产事故,着力探究复杂施工场景下人员安全帽佩戴情况的智能化识别。在一阶段目标检测算法的基础上,针对安全帽识别问题中的小目标和安全帽纹理信息缺失的问题,提出提取并融合上下文信息,以增强模型的表征学习能力。首先,为解决特征鉴别力不足的问题,提出局部上下文感知模块和全局上下文融合模块。局部上下文感知模块能够融合人体头部信息和安全帽信息获取具有鉴别力的特征表示;全局上下文融合模块将高层的语义信息与浅层特征融合,提升浅层特征的抽象能力。其次,为了解决小目标识别问题,提出使用多个不同的目标检测模块分别识别不同大小的目标。在构建的复杂施工场景下的安全帽识别数据集上的实验结果表明：提出的2个模块将mAP提高了11.46个百分点,安全帽识别的平均精度提高了10.55个百分点。本文提出的方法具有速度快、精度高的特点,为智慧工地提供了有效的技术解决方案。     

仿生型机器视觉研究 *

在深入分析人类眼球的神经机理、运动形式和特点及人类视觉神经通路的基础上 ,从模拟人类眼球运动构筑仿生机器眼和模拟人类视觉感知机理应用于机器视觉两个方面 ,探讨了视觉仿生研究的方式方法、研究进展、应用前景和发展趋势。提出了采用复杂系统控制方法构建多自由度仿生型机器人双眼运动模型的思路 ,分析了人眼固视微动机制的综合利用和应用价值以及超人眼系统的研究设想等新的视觉仿生研究方向。     

视觉感知中特征捆绑建模方法的研究

针对视觉感知中特征的捆绑问题,在传统脉冲耦合神经网络(PCNN)的基础上,提出一种基于强度的PCNN模型。在该模型中,神经元邻域内脉冲发放总强度将不同的特征分离开来,而神经元自身的脉冲发放强度又将属于同一感知对象的不同特征捆绑起来。仿真结果证明,该模型可以实现特征的分离和捆绑。     

利用多层视觉网络模型进行图像局部特征表征的方法

为了寻求代价更小、效率更高、适应性更强的图像局部特征表征方法,提出一种基于视觉机制的多层网络计算模型.首先对初级视皮层中的简单细胞和复杂细胞等神经元进行建模;然后对腹侧视通路上的V4区神经元和下颞叶皮层区神经元的响应模式进行研究,并利用该计算模型对输入图像进行局部特征的表征.实验结果表明,与传统的图像特征描述方法相比,该模型所提取的图像局部特征具有足够的区分度;此外,利用生物视觉模型提取出的图像局部特征在具有复杂背景的场景中显示出了更加优秀的泛化能力.