基于生物視覺的新的計算機視覺分割模型.pdf

1、計算機視覺的基礎理論為視覺技術取得今天的成就做出了非凡的貢獻，但是面對急劇增長的需求，顯得越來越力不從心。無論是Marr的視覺計算理論還是后來主動視覺理論，在分割問題上都是不適定的，其分割的假模型都是粗糙的、不恰當?shù)?，計算機視覺的基礎理論制約了它自身的發(fā)展。本文正是為計算機視覺的發(fā)展尋求新的理論思想進行了一些嘗試，考察了它的來自于人工智能方面幾乎全部的思想基礎，指出了人工智能所面臨的范式局限：傳統(tǒng)AI常識的形式化和計算機視覺中圖形．背景

2、的分離是同一類問題，其共同本質在于局部辨別與整體認識問題，傳統(tǒng)的形式化方法無法將整體形式化。分割/形式化是僅根據(jù)局部信息構造整體的過程，是一種知覺的還原論方法。 我們認為生物視覺對計算機視覺的研究具有理論意義和現(xiàn)實意義。分別從生物視覺和計算機視覺的兩個角度廣泛、深入地探討分割和表現(xiàn)為分割的問題，提出了兩個不同層次的模型：生物視覺系統(tǒng)的整體論模型(Holistic Model，簡稱HM模型)和知覺的整體到局部的反饋模型(GLFM模

3、型)。 HM模型表明，生物視覺有以下四個特點：1)以生存競爭為目的，與環(huán)境相互作用而協(xié)調發(fā)展；2)它是一個動態(tài)的學習過程，如視覺的隱性學習機制；3)知覺形成是整體到局部多次反饋的結果；4)注意與視覺空間搜索，圖形一背景分離，高層知識反饋，視覺意識的形成密切相關。其視覺信息處理與計算機完全不同，前者采用范例的方式學習環(huán)境知識，而不是形式化邏輯推理的方式，采用整體到局部的反饋機制處理視覺信息等。相反，這卻是傳統(tǒng)AI和計算機視覺的問題

4、所在。 隨后，我們從顯式的角度研究了計算機視覺中的分割和分割假設問題。認為分割的各種算法都是基于分割的某些假設，如相似性，相鄰性等。分割假設模型是關于物體一般性質的局部描述。計算機視覺就是按照物體一般性質的局部描述重建特定物體的整體描述的。Hubel和Wiesel建立的感受野等級結構理論是分割假設的理論前提，它解決了知覺神經機制上的存在性、可構造性問題，其構造性是識別意義上的一種逆向分割。這一理論前提的可構造性與形式化相一致，都