一种视皮层非经典感受野的模型

根据视觉信息加工过程中视皮层细胞非经典感受野对中心感受野区域具有抑制作用的生物机制,提出了一种模拟该机制的模型.用Gabor能量作为感受野响应,以高斯差分函数为基础构造两个具有方向的半椭圆环来作为非经典感受野区域,设计中心感受野与周边抑制区域的相位差权重函数来模拟非经典感受野的抑制机制.实验结果与这种生理特性相一致.     

初级视皮层机制启发下的特征提取

针对传统计算机视觉方法在纹理细节提取和局部运动感知方面的局限性,借鉴生物视觉系统的强大信息处理机制,提出一种基于三维时空能量模型的初级视皮层(V1)视觉模型。模型首先利用三维Gabor滤波器初步模拟得到简单细胞感受野,接着采用半波整流操作进一步得到简单细胞模型,随后通过能量模型整合简单细胞感受野进行,模拟得到复杂细胞模型。仿真结果表明:所提模型在图像静态纹理特征和简单视频序列运动特征提取上取得了较好的效果。较传统模型而言,模型将计算机视觉与生物视觉有效融合,具有更强的动静态特征表达提取能力,体现了V1细胞强大的信息处理机制,为视觉脑启发计算提供新的思路。     

感受野动态特性的一种修正模型

在视觉系统感受野的广义Gabor函数数学模型基础上,把其中与时间有关部分换成Г函数的二阶核函数,称为感受野的修正模型(MGM)．提出了一组修正模型,它的时间特性更符合实验所观测到的感受野的电生理特性,包括对小光点的瞬态反应,感受野的动态特性等．MGM模型在时空两方面是描述视觉系统各层次上感受野特性的一个更良好的数学模型．     

基于初级视皮层视觉特性的图像质量评价方法

针对现有的图像质量评价方法多从特征提取角度考虑图像的失真,忽视初级视皮层是视觉信息处理和认知推理的前提的问题,受人类视觉系统特性的启发,提出一种基于初级视皮层视觉特性的图像质量评价算法;该方法基于对初级视皮层视觉特性的学习,利用初级视皮层中感受野对视觉感知信息的稀疏编码特性,提取模拟初级视皮层感受野特性的基函数,结合独立成分分析和结构相似度算法构建一种初级视觉相似性测度法,并在LIVE图像数据库中进行实验。结果表明,该模型的预测结果与主观质量评价有很好的一致性,并优于已有的结构相似度算法。     

仿视皮层V1特性的SAR图像边缘检测

合成孔径雷达(SAR)图像的边缘检测是图像处理领域的热门研究课题,针对传统方法对噪声敏感、受内部纹理干扰等严重问题,借鉴人类视觉系统中初级视皮层(V1)神经细胞的感受野特性及该区域带有非经典感受野的细胞对同质区域纹理和噪声的环绕抑制机制,提出一种仿视皮层信息处理机制的SAR图像的边缘检测方法。采用Gabor滤波器经奇偶分解、汇聚、归一化等操作模拟V1区感受野特性,再引入模拟非经典感受野环绕抑制机制的环绕抑制项以对同质区域的纹理和噪声进行抑制,保留感兴趣的边缘信息。仿真结果表明,所提方法能抑制文中4类不同的SAR图像同质区域的大部分纹理,在一定程度上弱化斑点噪声,取得了比canny算子更好的边缘检测效果。提出的新方法可以应用于SAR图像的边缘检测。     

基于HMAX模型和非经典感受野抑制的轮廓提取

针对图像里处于复杂纹理背景中物体的轮廓提取正确率低的问题,首先研究了基于非经典感受野抑制的轮廓提取算法和HMAX模型,然后利用HMAX模型所具备的具有基本视皮层功能结构的优点,弥补了前者所依据的生物学视觉结构比较简单的不足,最后提出并实现了基于HMAX模型和非经典感受野抑制的轮廓提取算法。通过与Canny算子和非经典感受野抑制的轮廓提取算法的评估比较,表明本文算法有效提高了轮廓提取的正确率。     

基于视觉显著特征的人脸图像分割与跟踪方法的研究

将人脑视觉注意机制应用于人脸图像分割与跟踪中,提出了一种基于视觉显著特征的人脸目标分割与跟踪算法.该方法由三步完成：首先通过模拟人脑视觉注意机制迅速而准确地利用颜色、结构、梯度和位置等信息建立人脸显著特征图.其次,基于建立的视觉显著特征图,对人脸图像视觉显著特征进行学习和聚类,最终能够快速而准确地确认和分割出图像中的人脸区域.该方法突破了传统的逐点搜索的限制,通过一个几何模型和眼图模型对图像中的人脸区域进行搜索,大大提高了人脸候选区域搜索标记的效率,减少了后续处理工作.最后,通过分割出的人脸区域得到一个有效的边界特征图,并融合人脸显著特征图对人脸进行跟踪.实验结果表明本论文所提出的基于视觉显著特征的人脸图像分割与跟踪方法能够较有效地分割出人脸.     

两种GC感受野模型的空间传输特性研究

本文应用模型和模拟技术，研究了ＧＣ感受野的双高斯差模型和外周相互抑制网络模型的空间传输特性，包括面积反应，调制传递函数等．本文所获得的结果可应用于视觉信息处理原理研究、人工视觉、计算机视觉及图像技术等各方面     

基于视觉感兴趣度和HVS特性融合的图像质量评价方法

本文在对视觉感兴趣度和人类视觉系统特性深入分析研究的基础上,提出了一种基于视觉感兴趣度和视觉系统特性相融合的图像质量评价新方法。该方法首先根据影响视觉感兴趣度的五个因子进行综合得到感兴趣度因子,结合结构相似性方法得到感兴趣度模型。然后利用小波分解后的子频带图像进行质量评价,对结果进行视觉敏感度加权,在此基础上得到评价算法。并通过实验验证本文所提出的算法的正确性,其测试结果并与视觉主观感受保持很好的一致性。     

基于视觉感知的模糊C均值聚类算法

针对传统模糊C均值聚类算法对结构复杂图像分割效果不理想的问题,提出一种基于视觉感知的模糊C均值聚类算法.首先,在分析视皮层神经元感受野性质的基础上,建立视神经元细胞响应函数来计算图像的结构特征.其次,定义一种斜坡函数从仿生学的角度来模拟人眼对相对亮度变化的感知,用来计算图像中像素点与聚类中心点之间的差异.所提模型充分考虑了邻域刺激对中心神经元影响的方向性、位置相对性和周期性,比较精确地描述了图像的结构信息,有效地抑制了噪声和复杂纹理的干扰.实验结果表明,本文算法克服了传统模糊C均值聚类算法的缺点,实现了具有复杂背景图像的精确分割.     

感受野视觉特征整合模型及应用

 采用基本ICA模拟视觉感知机制对自然图像分解得到的图像基函数在空间排列上是混乱的,这与视觉生理机制相互矛盾.模拟视皮层感受野间的信息整合机制,建立了新的计算模型.针对基于内容的图像故障区域检测问题,提出了相应的高效率少样本检测算法. 首先,以列车正常和故障图像序列作为训练数据,利用拓扑ICA方法学习图像基函数,由此得到的独立分量系数作为神经元响应,然后模拟同步振荡机制选择响应强烈的神经元,输出其对应的内容,最后通过自动对比实现图像故障区域的快速定位.实验结果表明,与传统方法相比较,引入视觉信息整合机制的新模型及其算法能够提高故障检测率.     

一种基于DCT域加权处理的图像质量评价方法

依据人眼视觉系统的多通道模型,评价图像亮度细节的质量,目前已经成为一个活跃的研究方向.由于这些模型采用滤波器组模拟对比度敏感函数(CSF),增加了视觉阈值获取和实时评价算法的复杂度.本文依据离散余弦变换对应子带的视觉权重,利用“之”形扫描方式实现对图像频带的任意划分,并由此定义加权峰值信噪比作为图像评价的测度,从而达到对图像质量快速准确评价的目的.     

基于视觉显著性的彩色图像分割

为了提高图像显著性检测的准确性,从数学模型上探索显著性的多特征空间.利用多尺度特征提取算法获得低层视觉特征,对特征矩阵用低秩矩阵恢复理论提取显著图,并在自底向上模型基础上融合了高层视觉特征,由高层视觉特征构成一幅权重的显著图.提高了显著度和显著目标的检测性能.通过自适应阈值算法对视觉显著目标进行分割.实验结果表明,该模型比传统的模型提取的显著目标更完整、更准确.     

基于Gabor卷积神经网络的图像分类算法研究

为了研究Gabor滤波器在卷积神经网络中的性能和特征提取能力,提出了模拟视觉神经元特性的Gabor卷积神经网络计算模型。利用符合视觉神经元感知特性的Gabor滤波器作为建议神经网络的卷积核,将Gabor滤波器与CNN相结合,从而构建Gabor卷积神经网络。实验采用3个公共图像数据集进行图像分类任务,验证GaborConv网络的各项性能,并与经典的VGG16进行对比分析。实验结果表明,Gabor卷积神经网络的图像分类精度相对CNN有所提高,其收敛速度也明显加快,同时大量减少网络训练参数数量,释放计算机的内存。     

改进能量函数的Seam carving图像缩放方法

Seam carving算法是一种基于图像内容的缩放方法.这种方法在进行图像缩放时,可能会引起图像视觉主体的变形.为了改善Seam carving算法,采用基于图论的显著图模型(Graph-based Visual Saliency,GBVS)产生的显著度图与图像的梯度图相结合的方法计算像素点对人的视觉的重要性.实验表明,这种方法比Seam carving图像缩放算法有更好的缩放效果.     

视皮层简单细胞三维时空计算模型

以模拟初级视觉皮层(V1)简单细胞基本属性为基础,构造了能检测视频序列中运动信息的三维时空计算模型,即联合感受野模型(3D CORF).该模型充分利用背侧外侧膝状核(LGNd细胞)与V1之间的映射关系,给出了时空不可分离的LGNd细胞运动信息检测方法,建立了能展现多个LGNd细胞响应联合特性的子集单元,提出了利用空间上几何平均、时间上加权平均的方法计算特定区域内子集单元的联合响应,从而实现了简单细胞对运动信息的检测.实验结果表明:建议的3D CORF模型比现有的时空计算模型(如3D Gabor模型)更能反映真实简单细胞的特性,且具有较好的鲁棒性.     

基于人眼视觉系统的运动图像视觉感知模拟

讨论了人眼在观看平板显示屏上运动图像时视觉失真的产生原因,并通过视觉感知实验对已有的视觉感知模型进行了修正,提出了将空间积分的影响加入到视觉感知模型中的改进方法.本文还利用该模型对一些显示屏上运动图像的视觉感知过程进行了模拟,结果表明,采用本文提出的模型获得的运动图像的视觉感知效果图更加接近人眼实际所观测到的图像.本文提出的视觉感知模型以及相关的软件模拟结果为进一步优化显示器件的驱动方法提供了评估手段.     

基于感受野扩增和注意力机制的U-Net脑肿瘤MR图像分割

针对U-Net网络感受野受限以及信息丢失导致的分割精度低的问题,提出了一种基于感受野扩增和注意力机制的U-Net脑肿瘤MR图像分割算法.首先,在U-Net网络中引入感受野模块(receptive field block,RFB)来增大网络的感受野,解决了网络由于感受野受限带来的分割精度低的问题.此外在网络中引入有效的通道注意模块(efficient channel attention,ECA)来增加网络对有用特征的响应,抑制网络中的冗余特征.使用BraTS(the brain tumor image segmentation challenge)提供的脑肿瘤MR图像数据对本文算法进行测试,用Dice相似性系数等指标进行评价,结果显示在完整肿瘤、核心肿瘤以及增强肿瘤的Dice值分别可达到0.86、0.86、0.79.与U-Net模型以及其他的网络相比得到了提高.实验结果表明,本文提出的算法能够有效提升脑肿瘤分割的精度,具有良好的分割性能.     

基于视觉中心及超像素空间加权的图像显著性检测

针对现有显著性检测方法得到的显著区域不完整以及存在背景干扰的问题,提出一种空间域的图像显著性检测方法.首先将输入图像进行超像素分割,然后利用超像素图像的颜色和亮度信息获得差值显著图以及视觉中心,依据超像素种子点与视觉中心的位置关系获得空间权重,最后将各超像素块的显著值与其视觉空间权重相结合计算,以此得到最终的视觉显著图.与现有算法相比,方法既能得到精确的显著区域,保留边缘细节信息,又能有效地去除背景干扰,提高了检测精确度.     

基于残差变换器的并行傅里叶卷积修复算法

为解决现有图像修复算法因缺乏上下文信息和有效的感受野导致修复大面积随机破损时效果差且只能修复低分辨率图像的缺陷,提出了基于残差变换器的并行傅里叶卷积修复算法.首先,提出基于变换器的改进残差网络模块提取待修复图像的纹理特征;然后,设计并行快速傅里叶卷积模块增强损失图像的高度有效感受野捕捉结构信息;最后,提出门控双特征融合模块交换和结合图像的结构与纹理分量,融合上下文特征,改善生成纹理的细粒度.在两个公开数据集上进行定性和定量实验,实验结果表明：所提算法可有效修复结构复杂且纹理精细的随机不规则大面积破损区域,生成结构合理、纹理细腻和语义丰富的高保真图像,并能用于高分辨率图像的目标移除.