本文選題：邊緣檢測 + 人類視覺系統(tǒng)��； 參考：《計算機工程與應用》2017年24期

【摘要】：邊緣是物體的基礎特征,傳統(tǒng)邊緣檢測方法具有一定的局限性。鑒于人類視覺系統(tǒng)能高效準確地感知物體的邊緣信息,根據(jù)大腦側膝體(Lateral Geniculate Nucleus,LGN)和初級視皮層(primary visual cortex,V1)簡單細胞的感受野特性,提出一種腦啟發(fā)式的前饋LGN-V1(Feedforward LGN-V1,FLV)視覺感知模型。首先用高斯函數(shù)之差模擬單個LGN細胞的同心圓式感受野,再通過同類LGN細胞的聯(lián)合構建細胞組,最后將兩類細胞組分別共線排列并平行放置模擬得到特定偏好朝向V1簡單細胞。通過多簡單細胞響應的整合獲取全體V1簡單細胞的響應。實驗結果表明,FLV模型能體現(xiàn)真實簡單細胞的生物特性。較傳統(tǒng)的邊緣檢測方法而言,所提模型效果更優(yōu),具有更好的魯棒性。
[Abstract]:Edge is the basic feature of object, and the traditional edge detection method has some limitations. Since human visual system can efficiently and accurately perceive the edge information of objects, according to the receptive field characteristics of the simple cells of lateral Geniculate Nucleus Geniculate and primary visual cortexus V1, a brain heuristic model of feedforward LGN-V1(Feedforward LGN-V1 FLVV) is proposed. The concentric receptive field of a single LGN cell was simulated by using the difference of Gao Si function, then the cell group was constructed by the combination of the same LGN cells. Finally, the two groups of cells were collinear arranged and placed parallel to simulate the specific preference oriented to V1 simple cells. The response of all V1 simple cells is obtained through the integration of multiple simple cell responses. The experimental results show that the FLV model can reflect the biological characteristics of simple cells. Compared with the traditional edge detection method, the proposed model is more effective and robust.
【作者單位】： 空軍工程大學航空工程學院;
【基金】：國家自然科學基金(No.61372167,No.61379104)
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前10條

1 宋培華,陸宗騏,高敦岳;基于Log_Prewitt算子的邊緣檢測算法[J];小型微型計算機系統(tǒng);2002年11期

2 王宇生,卜佳俊,陳純;一種基于積分變換的邊緣檢測算法[J];中國圖象圖形學報;2002年02期

3 顧曉東,王曉明,劉健;基于曲線坐標系的圖像邊緣檢測[J];計算機工程與應用;2002年03期

4 王娜,李霞;一種新的改進Canny邊緣檢測算法[J];深圳大學學報;2005年02期

5 王文豪;;圖象邊緣檢測中邊界閉合性的分析與探討[J];計算機與信息技術;2005年12期

6 劉軍;姚子建;;用邊緣檢測算子實現(xiàn)圖像邊緣檢測[J];福建電腦;2006年02期

7 李葆青;文山;;邊緣檢測準則與幾種典型算法[J];六盤水師范高等�？茖W校學報;2006年03期

8 鄭子華;陳家禎;鐘躍康;;基于灰色加權絕對關聯(lián)度的邊緣檢測算法[J];電腦知識與技術;2006年20期

9 黃玉程;胡國清;吳雄英;劉文艷;;人臉圖像邊緣檢測的方法研究和應用[J];計算機工程;2006年18期

10 任民宏;;圖像邊緣檢測算法的比較與展望[J];中國科技信息;2007年10期

相關會議論文 前10條

1 王巖;勒中鑫;;邊緣檢測中幾種方法的比較[A];1998年中國智能自動化學術會議論文集（下冊）[C];1998年

2 孟偉;王秀澤;張巖;;離散Canny邊緣檢測算法的實現(xiàn)[A];走近CIE 26th——中國照明學會（2005）學術年會論文集[C];2005年

3 周勝靈;丁珠玉;;農(nóng)產(chǎn)品邊緣檢測系統(tǒng)研究[A];中國農(nóng)業(yè)工程學會2011年學術年會論文集[C];2011年

4 任獲榮;楊夏穎;何培培;孫建維;高敏;;邊緣檢測技術發(fā)展現(xiàn)狀及其在零件識別中的應用綜述[A];第三屆數(shù)控機床與自動化技術專家論壇論文集[C];2012年

5 王巖;勒中鑫;;幾種邊緣檢測方法及其比較[A];中國圖象圖形科學技術新進展——第九屆全國圖象圖形科技大會論文集[C];1998年

6 葉樂軍;王強;;基于自適應邊緣檢測的大空間火災目標監(jiān)測技術[A];中國職業(yè)安全健康協(xié)會2007年學術年會論文集[C];2007年

7 沈亮;潘德爐;王迪峰;;機載多通道掃描儀圖像的邊緣檢測初步研究[A];2008中國儀器儀表與測控技術進展大會論文集（Ⅰ）[C];2008年

8 李文輝;郭寧寧;郝鑫;;優(yōu)化邊緣檢測的分析和解決方案[A];“加入WTO和科學技術與吉林經(jīng)濟發(fā)展——機遇·挑戰(zhàn)·責任”吉林省第二屆科學技術學術年會論文集（上）[C];2002年

9 王培珍;孟祥昊;張克;鄭詩程;潘瑞雪;;板材圖像邊緣檢測算法研究[A];第25屆中國控制與決策會議論文集[C];2013年

10 王海嵐;樊紹勝;;一種改進的模糊形態(tài)學邊緣檢測算法[A];中國自動化學會中南六�。▍^(qū)）2010年第28屆年會·論文集[C];2010年

相關重要報紙文章 前1條

1 鳴人;Photoshop CS5:三大功能再進化[N];中國攝影報;2010年

相關博士學位論文 前10條

1 磨少清;邊緣檢測及其評價方法的研究[D];天津大學;2011年

2 董鴻燕;邊緣檢測的若干技術研究[D];國防科學技術大學;2008年

3 王媛妮;順序形態(tài)邊緣檢測及分水嶺圖像分割研究[D];武漢大學;2010年

4 遲健男;圖像形態(tài)學和小波分析在圖像增強與邊緣檢測中的應用[D];東北大學;2005年

5 李杏梅;Contourlet變換在圖像去噪與邊緣檢測中的應用研究[D];華中科技大學;2011年

6 丁興號;基于小波分析的視覺檢測技術研究[D];合肥工業(yè)大學;2003年

7 王曉梅;基于非經(jīng)典感受野機制的圖像認知計算模型[D];復旦大學;2012年

8 郎波;基于非經(jīng)典感受野的圖像表征計算模型及應用研究[D];復旦大學;2013年

9 閆海霞;基于數(shù)學形態(tài)學的圖像邊緣檢測和增強算法的研究[D];吉林大學;2009年

10 謝松法;模式特征的提取與應用研究[D];華中科技大學;2007年

相關碩士學位論文 前10條

1 林江;基于邊緣檢測和馬爾可夫隨機場的AD癥腦MRI分割方法研究[D];西南交通大學;2015年

2 呂威駿;基于分數(shù)階傅里葉變換和多尺度跟蹤的邊緣檢測算法[D];鄭州大學;2015年

3 亓曉彤;基于攝影測量的板類件孔位檢測方法研究[D];中國地質大學(北京);2015年

4 李志;基于視頻的軌檢定位技術研究[D];西南交通大學;2015年

5 王芮;基于多窗口的蟻群圖像邊緣檢測及并行算法[D];南京師范大學;2015年

6 韓璐;改進的基于多尺度多方向結構元素和形態(tài)學的邊緣檢測算法[D];山東大學;2015年

7 郭峰;基于Mumford-Shah模型的圖像邊緣檢測算法[D];華北電力大學;2015年

8 陳美榮;基于N-Smoothlets的圖像處理關鍵技術研究[D];電子科技大學;2015年

9 喬建強;火焰圖像邊緣檢測及修復算法的研究[D];華北電力大學;2015年

10 于曉慧;基于機器學習的醫(yī)學超聲圖像邊緣檢測算法研究[D];西南科技大學;2015年

，

本文編號：1820288