基于中高級視覺機理的輪廓檢測方法研究.pdf

1、視覺認(rèn)知涉及人們?nèi)粘Ｉ畹姆椒矫婷?。計算機的快速發(fā)展以及人們對大腦結(jié)構(gòu)及其功能的認(rèn)知日益清楚，使得基于生物視覺機理的計算機視覺模型乃至系統(tǒng)的研究成為視覺認(rèn)知計算領(lǐng)域中重要研究內(nèi)容之一。由于物體的輪廓與物體的認(rèn)知息息相關(guān)，因此輪廓檢測也成為一個重要的研究方向。雖然基于生理機理的輪廓檢測方法近年來已有大量的研究成果，但這和生物視覺系統(tǒng)相比還遠(yuǎn)遠(yuǎn)不夠。
　　為了進一步了解生物視覺系統(tǒng)并將視覺機理與輪廓檢測相關(guān)的計算模型結(jié)合起來從而完成輪

2、廓檢測任務(wù)，本文工作對與視網(wǎng)膜、外膝體、視皮層細(xì)胞感受野特性相關(guān)的基于顏色拮抗的廓檢測方法做了介紹和分析。在此基礎(chǔ)上，本文工作利用非經(jīng)典感受野的各項同性、各項異性等中心-外周抑制特性抑制輪廓響應(yīng)中的紋理，還利用非經(jīng)典感受野的端區(qū)易化-側(cè)區(qū)抑制特性在抑制紋理的同時減弱輪廓的自抑制效應(yīng)，還利用貝葉斯推理過程一定程度上模擬生物視覺系統(tǒng)中多尺度輪廓整合過程。
　　通過在圖像庫上大量的仿真測試實驗，本文工作給出的所有模型得到的結(jié)果和預(yù)期一樣

3、，基本上都能實現(xiàn)輪廓檢測結(jié)果的增強。同以往的異化模型相似，本文提出的四種新的易化模型因考慮了輪廓的自抑制效應(yīng)使得輪廓有更強的連續(xù)性。本文提出的基于貝葉斯的多尺度輪廓整合模型，可以很好地保留和突出不同精細(xì)度的輪廓，從而增強輪廓的完整性，并且具有較好的魯棒性。此模型最大的意義在于為多尺度輪廓的整合機理提供了一個新的有效思路。除此之外，我們可以得到，各個模型當(dāng)分別考慮各個顏色拮抗通道響應(yīng)后再整合在一起時能得到各自最好效果。這表明各種顏色特征在