一个基于生物视觉的单目运动方向检测模型

运动感知是生物视觉脑机制的重要组成部分之一。该文根据形状运动边界轮廓系统(Formotion BCS)模型的相关原理,先通过扩展其暂态网络处理阶段的不对称方向抑制机制和在其竞争网络阶段引入相反方向上的抑制核以及在边界分割阶段引入运动双极细胞的合作机制,结合单目静态边界处理,建立了检测运动方向的单目神经动力学模型;然后根据该模型编写仿真程序用于运动方向检测。仿真结果表明,利用生物视觉原理来实现物体的运动方向检测是一条可行的研究途径。     

基于视皮层V1模型的随机点视频序列运动特征提取

针对复杂场景中视频序列目标运动特征提取困难的问题,借鉴生物视觉系统对视频动态目标的运动感知机制,改进初级视皮层(V1)细胞模型,提出一种基于生物视皮层机制的视频运动特征提取方法。采用时空滤波器与半平方加归一化分别模拟神经元感受野的线性与非线性特性,再通过在输出权值中加入方向选择性调节参数得到普适性的V1细胞模型,从而解决传统模型方向选择性单一、多方向选择能力偏弱的问题。仿真结果表明所提模型模拟输出与生物实验数据较为吻合,能够模拟不同方向选择性的V1细胞,对复杂运动形态的随机点视频序列具有良好的运动特征提取能力。依靠该方法可以为处理特征光流信息提供新的思路,进而实现对视频序列目标的运动特征提取和有效跟踪。     

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.     

基于蛙眼R3细胞感受野模型的运动滤波方法

视觉感受野(Visual receptive field)模型作为生物视觉感知计算的基础单元,在整个生物视觉信息加工过程中发挥着重要作用.借鉴具有运动视觉特长的生物感受野特性研究高效的运动视觉计算技术,是一种潜在可行的方法.本文基于蛙眼R3细胞感受野,在高斯差分模型(Difference of Gaussians, DOG)的基础上引入时间和空间各向异性的运动视觉表达方式, 提出一种基于蛙眼R3细胞的不对称各向异性感受野(Asymmetric anisotropy receptive field, AARF)模型,表达蛙类视觉系统对运动目标敏感的视觉时空特征.基于该运动视觉模型,进一步提出了一种面向序列图像运动目标分析的蛙眼时空运动滤波算子(Frog-based spatio-temporal motion filter, FSTMF),以实现运动目标准确检测与分析.实验结果表明,该方法具有使序列图像背景模糊、动态目标突显的滤波效果,既符合蛙眼视觉背景模糊而前景清晰的特性,也为下一步运动目标的准确检测实现了高效的预处理.     

相机抖动场景中数据驱动的背景图像更新算法

视频序列中的运动目标检测是计算机视觉领域的重要研究课题.背景减除是运动目标检测的有效方法,但相机抖动会对背景提取带来极大干扰,从而可能造成传统基于模型的图像处理方法模型失真.本文提出了相机抖动场景下前景图像提取的数据驱动背景图像更新控制算法.首先利用Harris特征检测进行背景补偿以消除抖动干扰.然后利用无模型自适应控制方法,建立单入单出控制系统来表示背景图像并进行实时更新.最后运用背景减除法提取运动目标前景图像.本文方法与传统基于模型方法进行了不同视频序列的对比仿真.实验结果表明,本文方法可以有效处理相机抖动场景下的运动目标检测问题,目标前景图像分离效果更加接近真实场景.     

基于视觉机制的非结构环境下车速检测算法研究

在非结构环境下,基于视频检测目标车速为目的的关键问题是：如何利用视频序列准确、高效地得到运动目标的实时信息。基于视觉感知机制的车速检测是一种新方法,该方法以视觉机制为启发,首先从图像中学习初级视皮层细胞超完备基;然后基于超完备基视觉计算模型,以神经元响应系数表征目标,并根据背景与目标响应系数差值与动态阈值的比较识别运动目标;通过迭代实现目标跟踪;在目标跟踪的基础上,根据不同视频序列中车辆特征匹配法得到车辆的位移,最后实现车速检测。实验结果表明,该算法能够在实时条件下检测实际道路场景的不同类型车辆速度,达到96．55％以上的准确率,并且与传统方法相比较提高了车速检测的准确性和鲁棒性。     

航摄动态图像序列稳定技术仿真研究

通过分析块匹配算法的优缺点，采用一种其改进的算法应用于动态图像序列的运动矢量检测。该算法先分别把参考图像和当前图像分成若干个运动矢量探测区域，然后在各子区域选取一定数量的代表点进行相关匹配，求出各子区域的局部运动矢量，对所得到的运动矢量进行分析后，决定全局运动矢量。采用这种方法既能保持低的计算量，同时又具有较高的运动矢量检测性能。分析了影响图像的补偿精度主要因素，提出了相应的对策。用该算法对红外航摄图像序列进行稳定仿真试验，证明了该算法用于动态图像序列稳定的有效性。     

基于感知视觉重要性的立体图像质量评价

视觉心理、生理因素是有效、准确评价图像质量的重要依据.尽管在计算层面已有众多视觉心理、生理计算模型及方法为其提供支持,但在图像质量评价任务中如何分析各种孤立方法之间的内在关系进而使之有效协同,是使得评价结果更符合人主观评测的关键.从图像质量评价的角度出发,功能上将人眼的视觉注意区域定义并数学形式化为视觉初期注意区域与视觉转移期的劣质区域;同时考虑人眼的感知冗余特性,结合JND感知冗余模型,进而提出了图像质量评价范畴下的视觉感知模型PVSSIM.以此为依据,将感知视觉的方法在二维图像数据库中验证其可行性,并将其引入到立体图像质量评价中.实验结果表明,提出的客观评价方法与传统方法相比,充分考虑到了图像质量评价任务中各种视觉心理、生理因素的协同,与人主观的图像质量评价相比具有更高的相关度,评价方法在立体图像库中能很好地与主观评价相吻合,达到了预期的效果.     

一种用于动态图像序列的人脸识别算法

研究基于动态图像序列的人脸准确识别。人体在运动的过程中,脸部会发生较大幅度的震动,造成人脸姿态特征不可避免的发现形变,造成对图像的干扰,识别误差较大。传统的识别方法多是以人脸姿态特征作为识别的基础的静态识别,一旦人体运动幅度加大,人脸姿态特征发生变化,必然造成识别的准确度下降。为了避免上述问题,提出了一种利用Curvelet布尔核转换的动态图像序列人脸识别的算法。利用Curvelet转换算法对全部动态图像序列相关参数进行降维处理,利用布尔核转换将形变较大的人脸关键细节特点进行约束分类,建立多约束的完整动态人脸特征模型,保证姿态形变可控,最终实现了运动中的人脸识别。实验证明,利用上述算法进行运动中的人脸识别,提高了人脸识别的准确率。     

基于视觉显著性的均值漂移跟踪算法

为解决突变运动下的目标跟踪问题,提出了一种基于视觉显著性的均值漂移跟踪算法,将视觉注意机制运用到均值漂移跟踪框架中,利用时空显著性算法对视频序列进行检测,生成视觉显著图,从视觉显著图对应的显著性区域中建立目标的颜色特征表示模型来实现运动目标跟踪.实验结果表明:该算法在摄像机摇晃等动态场景下可以较准确检测出时空均显著的目标,有效克服了在运动目标发生丢失和遮挡等情况下跟踪不稳定的问题,具有较强的鲁棒性,从而实现复杂场景下目标较准确的跟踪.