一种脑启发式的边缘检测模型

发布时间：2018-04-29 14:17

  本文选题：边缘检测 + 人类视觉系统　； 参考：《计算机工程与应用》2017年24期

【摘要】：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。
[Abstract]:Edge is the basic feature of object, and the traditional edge detection method has some limitations. Since human visual system can efficiently and accurately perceive the edge information of objects, according to the receptive field characteristics of the simple cells of lateral Geniculate Nucleus Geniculate and primary visual cortexus V1, a brain heuristic model of feedforward LGN-V1(Feedforward LGN-V1 FLVV) is proposed. The concentric receptive field of a single LGN cell was simulated by using the difference of Gao Si function, then the cell group was constructed by the combination of the same LGN cells. Finally, the two groups of cells were collinear arranged and placed parallel to simulate the specific preference oriented to V1 simple cells. The response of all V1 simple cells is obtained through the integration of multiple simple cell responses. The experimental results show that the FLV model can reflect the biological characteristics of simple cells. Compared with the traditional edge detection method, the proposed model is more effective and robust.
【作者单位】： 空军工程大学航空工程学院;
【基金】：国家自然科学基金(No.61372167,No.61379104)
【分类号】：TP391.41

【相似文献】

相关期刊论文 前10条

1 宋培华,陆宗骐,高敦岳;基于Log_Prewitt算子的边缘检测算法[J];小型微型计算机系统;2002年11期

2 王宇生,卜佳俊,陈纯;一种基于积分变换的边缘检测算法[J];中国图象图形学报;2002年02期

3 顾晓东,王晓明,刘健;基于曲线坐标系的图像边缘检测[J];计算机工程与应用;2002年03期

4 王娜,李霞;一种新的改进Canny边缘检测算法[J];深圳大学学报;2005年02期

5 王文豪;;图象边缘检测中边界闭合性的分析与探讨[J];计算机与信息技术;2005年12期

6 刘军;姚子建;;用边缘检测算子实现图像边缘检测[J];福建电脑;2006年02期

7 李葆青;文山;;边缘检测准则与几种典型算法[J];六盘水师范高等专科学校学报;2006年03期

8 郑子华;陈家祯;钟跃康;;基于灰色加权绝对关联度的边缘检测算法[J];电脑知识与技术;2006年20期

9 黄玉程;胡国清;吴雄英;刘文艳;;人脸图像边缘检测的方法研究和应用[J];计算机工程;2006年18期

10 任民宏;;图像边缘检测算法的比较与展望[J];中国科技信息;2007年10期

相关会议论文 前10条

1 王岩;勒中鑫;;边缘检测中几种方法的比较[A];1998年中国智能自动化学术会议论文集（下册）[C];1998年

2 孟伟;王秀泽;张岩;;离散Canny边缘检测算法的实现[A];走近CIE 26th——中国照明学会（2005）学术年会论文集[C];2005年

3 周胜灵;丁珠玉;;农产品边缘检测系统研究[A];中国农业工程学会2011年学术年会论文集[C];2011年

4 任获荣;杨夏颖;何培培;孙建维;高敏;;边缘检测技术发展现状及其在零件识别中的应用综述[A];第三届数控机床与自动化技术专家论坛论文集[C];2012年

5 王岩;勒中鑫;;几种边缘检测方法及其比较[A];中国图象图形科学技术新进展——第九届全国图象图形科技大会论文集[C];1998年

6 叶乐军;王强;;基于自适应边缘检测的大空间火灾目标监测技术[A];中国职业安全健康协会2007年学术年会论文集[C];2007年

7 沈亮;潘德炉;王迪峰;;机载多通道扫描仪图像的边缘检测初步研究[A];2008中国仪器仪表与测控技术进展大会论文集（Ⅰ）[C];2008年

8 李文辉;郭宁宁;郝鑫;;优化边缘检测的分析和解决方案[A];“加入WTO和科学技术与吉林经济发展——机遇·挑战·责任”吉林省第二届科学技术学术年会论文集（上）[C];2002年

9 王培珍;孟祥昊;张克;郑诗程;潘瑞雪;;板材图像边缘检测算法研究[A];第25届中国控制与决策会议论文集[C];2013年

10 王海岚;樊绍胜;;一种改进的模糊形态学边缘检测算法[A];中国自动化学会中南六省（区）2010年第28届年会·论文集[C];2010年

相关重要报纸文章 前1条

1 鸣人;Photoshop CS5:三大功能再进化[N];中国摄影报;2010年

相关博士学位论文 前10条

1 磨少清;边缘检测及其评价方法的研究[D];天津大学;2011年

2 董鸿燕;边缘检测的若干技术研究[D];国防科学技术大学;2008年

3 王媛妮;顺序形态边缘检测及分水岭图像分割研究[D];武汉大学;2010年

4 迟健男;图像形态学和小波分析在图像增强与边缘检测中的应用[D];东北大学;2005年

5 李杏梅;Contourlet变换在图像去噪与边缘检测中的应用研究[D];华中科技大学;2011年

6 丁兴号;基于小波分析的视觉检测技术研究[D];合肥工业大学;2003年

7 王晓梅;基于非经典感受野机制的图像认知计算模型[D];复旦大学;2012年

8 郎波;基于非经典感受野的图像表征计算模型及应用研究[D];复旦大学;2013年

9 闫海霞;基于数学形态学的图像边缘检测和增强算法的研究[D];吉林大学;2009年

10 谢松法;模式特征的提取与应用研究[D];华中科技大学;2007年

相关硕士学位论文 前10条

1 林江;基于边缘检测和马尔可夫随机场的AD症脑MRI分割方法研究[D];西南交通大学;2015年

2 吕威骏;基于分数阶傅里叶变换和多尺度跟踪的边缘检测算法[D];郑州大学;2015年

3 亓晓彤;基于摄影测量的板类件孔位检测方法研究[D];中国地质大学(北京);2015年

4 李志;基于视频的轨检定位技术研究[D];西南交通大学;2015年

5 王芮;基于多窗口的蚁群图像边缘检测及并行算法[D];南京师范大学;2015年

6 韩璐;改进的基于多尺度多方向结构元素和形态学的边缘检测算法[D];山东大学;2015年

7 郭峰;基于Mumford-Shah模型的图像边缘检测算法[D];华北电力大学;2015年

8 陈美荣;基于N-Smoothlets的图像处理关键技术研究[D];电子科技大学;2015年

9 乔建强;火焰图像边缘检测及修复算法的研究[D];华北电力大学;2015年

10 于晓慧;基于机器学习的医学超声图像边缘检测算法研究[D];西南科技大学;2015年

，

本文编号：1820288