哺乳動物具有高度發(fā)達(dá)的視覺系統(tǒng),因而對哺乳動物的視覺系統(tǒng)進(jìn)行探索和研究具有非常重要的科學(xué)意義和應(yīng)用價值。計算機視覺旨在使計算機擁有類似于生物視覺系統(tǒng)的信息獲取、處理、和理解能力。若能準(zhǔn)確地對哺乳動物的視覺感知機制進(jìn)行數(shù)學(xué)建模,則可以為計算機視覺的研究提供充分的科學(xué)指導(dǎo)和理論保證。近年來,生物學(xué)和神經(jīng)學(xué)針對視覺感知機理的研究取得了豐碩的成果,這些研究成果為我們提供了對視覺感知機理進(jìn)行數(shù)學(xué)建模的可能性。圖像的局部結(jié)構(gòu)復(fù)雜多變,蘊含著與圖像語義內(nèi)容相關(guān)的豐富信息,如何準(zhǔn)確地表達(dá)局部圖像結(jié)構(gòu)所蘊含的信息是計算機視覺領(lǐng)域的根本性難題之一。本文通過對哺乳動物的視覺感知機制進(jìn)行數(shù)學(xué)建模,提出了若干局部圖像結(jié)構(gòu)表達(dá)算法,并利用這些算法解決了計算機視覺研究中的若干重要問題。本文的研究內(nèi)容和創(chuàng)新點主要包括以下方面:1.基于視皮層各向異性機制的局部圖像結(jié)構(gòu)表達(dá):為模擬視皮層的各向異性（Anisotropy）機制,將圖像的每個像素視為一個神經(jīng)元,通過計算像素級的偽魏格納-維爾分布（Pseudo Wigner-Ville distribution,PWVD）和瑞利熵（Renyi entropy）而得到其各向異性... 

【文章頁數(shù)】：100 頁

【學(xué)位級別】：博士

【文章目錄】：
中文摘要
Abstract
第一章 緒論
    1.1 局部圖像結(jié)構(gòu)表達(dá)的研究背景
    1.2 局部圖像結(jié)構(gòu)表達(dá)的應(yīng)用背景
        1.2.1 紋理分類
        1.2.2 圖像質(zhì)量評價
    1.3 本文的研究內(nèi)容與創(chuàng)新點
    1.4 本文的章節(jié)安排
第二章 局部圖像結(jié)構(gòu)表達(dá)的相關(guān)研究綜述
    2.1 引言
    2.2 手工設(shè)計的局部圖像結(jié)構(gòu)表達(dá)
        2.2.1 密集的局部圖像結(jié)構(gòu)表達(dá)
        2.2.2 稀疏的局部圖像結(jié)構(gòu)表達(dá)
    2.3 基于機器學(xué)習(xí)的局部圖像結(jié)構(gòu)表達(dá)
        2.3.1 單層學(xué)習(xí)模型
        2.3.2 多層學(xué)習(xí)模型
    2.4 本章小結(jié)
第三章 基于視皮層各向異性機制的局部圖像結(jié)構(gòu)表達(dá)
    3.1 引言
    3.2 初級視皮層的各向異性機制
        3.2.1 各向異性的定義
        3.2.2 初級視皮層的各向異性機制
    3.3 基于腦皮層各向異性機制的局部圖像結(jié)構(gòu)表達(dá)
        3.3.1 各向異性的度量
        3.3.2 局部各向異性模式
        3.3.3 旋轉(zhuǎn)不變的均勻局部各向異性模式
    3.4 實驗結(jié)果與分析
        3.4.1 多尺度分解
        3.4.2 紋理分類實驗
        3.4.3 無參考圖像質(zhì)量評價實驗
    3.5 本章小結(jié)
第四章 基于脈沖發(fā)放皮層模型編碼的局部圖像結(jié)構(gòu)表達(dá)
    4.1 引言
    4.2 脈沖耦合神經(jīng)網(wǎng)絡(luò)
    4.3 交叉皮層模型
    4.4 脈沖發(fā)放皮層模型
    4.5 基于脈沖發(fā)放皮層模型同步點火機制的局部圖像結(jié)構(gòu)表達(dá)
    4.6 實驗結(jié)果與分析
        4.6.1 數(shù)據(jù)庫及參數(shù)設(shè)置
        4.6.2 旋轉(zhuǎn)和光照魯棒性實驗
        4.6.3 噪聲魯棒性實驗
    4.7 本章小結(jié)
第五章 基于高階局部差分模式的無參考圖像質(zhì)量評價
    5.1 引言
    5.2 高階局部差分模式
    5.3 基于高階局部差分模式的無參考圖像質(zhì)量評價
        5.3.1 高斯拉普拉斯多尺度表達(dá)
        5.3.2 高階局部差分模式統(tǒng)計直方圖提取
        5.3.3 基于ε-支持向量回歸的圖像質(zhì)量評價
    5.4 實驗結(jié)果與分析
        5.4.1 數(shù)據(jù)庫及參數(shù)設(shè)置
        5.4.2 實驗結(jié)果分析
    5.5 本章小結(jié)
第六章 結(jié)論與展望
    6.1 結(jié)論
    6.2 展望
參考文獻(xiàn)
在學(xué)期間的研究成果
致謝



本文編號：3695167