基于視覺(jué)信息認(rèn)知機(jī)理的圖像處理與物體識(shí)別.pdf

1、眾所周知，人類所感知的大部分外界信息都來(lái)自于視覺(jué)。研究人類視覺(jué)的認(rèn)知機(jī)理建立視覺(jué)信息處理模型對(duì)推動(dòng)計(jì)算機(jī)視覺(jué)的發(fā)展有重要的意義。計(jì)算機(jī)視覺(jué)領(lǐng)域是一個(gè)內(nèi)容豐富涉及面廣而且很有挑戰(zhàn)性的研究方向，如何使機(jī)器通過(guò)視覺(jué)對(duì)外界進(jìn)行感知和理解達(dá)到自主適應(yīng)外界環(huán)境的能力還是個(gè)很大難題。從長(zhǎng)遠(yuǎn)來(lái)看，計(jì)算機(jī)視覺(jué)研究的最終目的是建立一套可與人類視覺(jué)系統(tǒng)相媲美的通用視覺(jué)系統(tǒng)，如何通過(guò)生物視覺(jué)信息處理的啟發(fā)建立可用于機(jī)器視覺(jué)的視覺(jué)模型是研究者們面臨的挑戰(zhàn)。本文依

2、據(jù)這一背景，通過(guò)總結(jié)分析近年來(lái)依據(jù)生物視覺(jué)信息認(rèn)知并在此基礎(chǔ)上建立的可用于計(jì)算的生物視覺(jué)模型，并把這些模型用于計(jì)算機(jī)視覺(jué)領(lǐng)域的圖像處理及物體識(shí)別，主要內(nèi)容如下：
　　分析人類視覺(jué)系統(tǒng)的一些生理特性和機(jī)理，包括人眼的構(gòu)成，視覺(jué)信息在視覺(jué)通路的傳輸，以及大腦皮層上的視覺(jué)信息處理區(qū)域。人類視覺(jué)系統(tǒng)被定義為視網(wǎng)膜和大腦區(qū)域之間的連接，也就是視覺(jué)通路。人眼首先通過(guò)視網(wǎng)膜接收外界的視覺(jué)信號(hào)，然后由人類視覺(jué)系統(tǒng)對(duì)接收到的視覺(jué)信號(hào)進(jìn)行處理。由人類

3、視覺(jué)系統(tǒng)處理的視覺(jué)信息，在大腦中按照一定的通路進(jìn)行傳遞，在經(jīng)過(guò)的多個(gè)神經(jīng)區(qū)域上被處理，完成最后的認(rèn)知過(guò)程。
　　上個(gè)世紀(jì)末期，研究者們對(duì)貓的視覺(jué)皮層上神經(jīng)細(xì)胞進(jìn)行研究，他們發(fā)現(xiàn)貓的視覺(jué)皮層神經(jīng)細(xì)胞上存在同步脈沖發(fā)放現(xiàn)象，依據(jù)此現(xiàn)象他們建立了視覺(jué)神經(jīng)元的同步震蕩模型，后來(lái)又對(duì)其進(jìn)行了改進(jìn)。這種同步脈沖發(fā)放模型經(jīng)過(guò)發(fā)展就形成了一種新型的神經(jīng)網(wǎng)絡(luò)模型即脈沖耦合神經(jīng)網(wǎng)絡(luò)(Pulse Coupled Neural Network,PCNN)

4、。視覺(jué)皮層神經(jīng)元同步振蕩現(xiàn)象而建立的模型-脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN)在圖像處理方面有著很多優(yōu)良的特性，如尺度不變性，旋轉(zhuǎn)不變性，強(qiáng)度以及扭曲不變性等，PCNN在圖像處理時(shí)只依靠圖像的自然屬性，實(shí)時(shí)性比較高。于此同時(shí)，本文利用PCNN簡(jiǎn)化模型并結(jié)合經(jīng)典的中值濾波算法對(duì)圖像去噪進(jìn)行研究，實(shí)驗(yàn)結(jié)果表明兩者之間的結(jié)合有效彌補(bǔ)了自身存在的不足,基于信息熵的自適應(yīng)PCNN分割算法可以根據(jù)最大信息熵確定PCNN的迭代次數(shù)，分割后可以很好的對(duì)圖像中的

5、信息進(jìn)行保留，可用于圖像目標(biāo)檢測(cè)后的目標(biāo)提取分割。
　　視覺(jué)注意是視覺(jué)信息獲取過(guò)程中一項(xiàng)重要調(diào)節(jié)機(jī)制，人類在獲取外界的視覺(jué)信息時(shí)會(huì)對(duì)不同圖像信息進(jìn)行分配加工。人類視覺(jué)的這種在處理大量復(fù)雜視覺(jué)信息時(shí)把注意力集中在顯著性較強(qiáng)的物體上的特性稱為視覺(jué)注意，視覺(jué)注意機(jī)制的研究，不但有助于探索人類視覺(jué)信息處理的工作機(jī)理，而且在圖像分析領(lǐng)域中也有重要應(yīng)用價(jià)值。如果能夠?qū)⑦@種視覺(jué)注意機(jī)制引入到圖像分析領(lǐng)域，將計(jì)算資源優(yōu)先分配給那些容易引起觀察者注

6、意的圖像區(qū)域，那么必將極大地提高現(xiàn)有圖像分析方法的工作效率國(guó)內(nèi)外學(xué)者對(duì)視覺(jué)注意機(jī)制進(jìn)行了大量研究并建立了多種視覺(jué)注意模型，本文分析了幾種經(jīng)典的視覺(jué)注意模型，并在圖像數(shù)據(jù)上進(jìn)行了對(duì)比實(shí)驗(yàn)，根據(jù)得到的顯著圖以及計(jì)算效率進(jìn)行對(duì)比，基于信息論的IG模型具有出色的表現(xiàn)，可用于顯著目標(biāo)的檢測(cè)。
　　局部特征的提取，一般包括特征的區(qū)域檢測(cè)和特征的區(qū)域描述，局部特征的描述一般要求具有亮度，尺寸和旋轉(zhuǎn)的不變性。局部圖像的特征基于圖像的局部信息，通常