前端视觉通路信息加工的计算模型及应用研究

发布时间：2020-08-21 14:02

【摘要】：人类视觉系统具有高效的视觉信息处理能力,其信息处理的智能性远远优于现有的任何计算机视觉系统。因此,模拟生物视觉信息加工机理,开发更有效的视觉信息处理算法,正成为当前计算机视觉的研究热点。本文深入研究了一系列初级、中级视觉任务中的计算问题,并建立模型分析了前端视觉系统中信息加工的计算模式。本文通过模拟生物视觉的感受野机理、注意机理以及颜色信息加工机理等,为边缘检测、轮廓提取、显著性计算以及颜色恒常性等计算机视觉应用提供了全新的计算模式和简单、有效的实现方法。在第一部分(第二章)中,我们基于颜色拮抗机理建立了从视网膜至初级视皮层(V1区)神经元的感受野模型,分析了前端视觉系统中各类颜色拮抗感受野的结构及功能特性,揭示了朝向双拮抗感受野在彩色图像边缘检测任务中的作用,促进了对生物视觉系统的颜色信息加工机理的理解。本文所提出的边缘检测方法能够同时检测图像中的彩色及亮度边缘(轮廓),而且计算效率非常高。此外,我们基于视皮层神经元响应的稀疏特性进一步改进该方法,并应用于复杂自然场景的轮廓检测任务。在第二部分(第三章)中,我们研究了V1区神经元的非经典感受野(NCRF)机理及其在轮廓检测任务中的作用。我们基于多种视觉特征(亮度、亮度对比度、朝向)对NCRF抑制的调制作用,建立了一个多特征外周抑制模型,并应用于灰度图像的纹理抑制和轮廓检测任务。本文为基于NCRF的模型提供了一个统一的计算框架,并分析了各种视觉特征在大范围信息整合中的作用。在轮廓检测图像库上的实验显示,融合多个视觉特征能够显著地提高外周抑制模型的纹理抑制能力。同时,与广泛使用的朝向特征相比,前人的工作中常被忽视的亮度和亮度对比度特征反而在纹理抑制中发挥着更大的作用。在第三部分(第四章)中,我们研究了视觉注意和视觉搜索的计算问题。我们首先定义了一个“显著结构检测”的视觉任务来统一多种与显著性相关的计算任务。同时,受到视觉引导搜索理论的启发,我们建立了一个轮廓信息引导的视觉搜索模型。该模型能够从输入场景中自适应地估计显著结构可能出现的位置、显著结构的可能大小以及显著结构的初级特征,同时利用贝叶斯推理机制预测自然场景中的显著结构区域。大量的实验分析展示,本文的方法在注视点预测、显著目标检测、显著边缘检测以及多目标场景的目标搜索等一系列视觉任务中取得了优异的效果。在第四部分(第五章)中,我们研究了从色偏自然场景中估计光源颜色,实现视觉颜色恒常的问题。我们初步的眼动心理物理学实验发现,人类在实现颜色恒常性时更倾向于利用场景中的灰色信息;基于此,我们提出了一种灰色点假说,认为绝大多数自然场景中都包含灰色点。随后,利用大量的自然场景统计分析验证了该假说。最后,本文提出了一种灰色点检测方法,进而用检测到的灰色点实现光源颜色的估计。该基于灰色点的光源估计方法可应用于均匀光源场景、非均匀光源场景以及动态自然场景的颜色恒常任务。该方法理论完善、计算简单,能够满足实际中颜色恒常性计算的基本要求。
【学位授予单位】：电子科技大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：R339.1;TP391.41

【相似文献】