本文選題：生物視覺 + 格式塔認(rèn)知規(guī)則��； 參考：《華中科技大學(xué)》2016年博士論文

【摘要】：邊緣檢測(cè)是圖像處理中的基礎(chǔ)問題,也是經(jīng)典的技術(shù)難題之一,其結(jié)果對(duì)于特征提取和描述、目標(biāo)檢測(cè)和識(shí)別、圖像理解等后續(xù)處理和應(yīng)用有非常重要的影響,因此開展相關(guān)問題的研究不論在理論方法上、還是在應(yīng)用層面都有重要的意義。由于成像條件的多樣性以及視覺場(chǎng)景的復(fù)雜性,比如噪聲、畸變帶來的圖像模糊以及復(fù)雜背景對(duì)目標(biāo)的邊緣的干擾,雖然已經(jīng)提出了大量的邊緣檢測(cè)算法,但無論是邊緣檢測(cè)的效果,還是基于邊緣的目標(biāo)識(shí)別等應(yīng)用,現(xiàn)在的機(jī)器視覺系統(tǒng)的性能和適應(yīng)性上仍然與人類視覺系統(tǒng)存在很大的差距。另一方面,近年來對(duì)生物視覺的研究取得了很大的進(jìn)展,研究者通過神經(jīng)生理學(xué)和心理學(xué)方面的大量研究,對(duì)視皮層的結(jié)構(gòu)功能、視覺信息的處理通路和視覺認(rèn)知的規(guī)律等方面取得很多研究成果,這些成果為邊緣檢測(cè)算法的設(shè)計(jì)提供了新的理論指導(dǎo)。論文以生物視覺理論為指導(dǎo),通過模擬人類視覺系統(tǒng)的感知特性和認(rèn)知方法,從邊緣檢測(cè)、輪廓檢測(cè)、輪廓編組等方面對(duì)邊緣檢測(cè)的相關(guān)問題進(jìn)行了深入系統(tǒng)研究,并將其成功應(yīng)用于自動(dòng)目標(biāo)識(shí)別。論文的主要研究內(nèi)容如下：首先,針對(duì)傳統(tǒng)邊緣檢測(cè)算法中模板形狀和大小難以確定的問題,在不同神經(jīng)元細(xì)胞感受野特性的啟發(fā)下,提出了一種基于感受野特性的邊緣檢測(cè)算法。該算法通過模擬側(cè)膝體、結(jié)合非經(jīng)典感受野特性的簡單細(xì)胞以及復(fù)雜細(xì)胞的響應(yīng)特性,實(shí)現(xiàn)邊緣檢測(cè)。其中,針對(duì)噪聲對(duì)邊緣檢測(cè)結(jié)果的影響,通過對(duì)簡單細(xì)胞感受野形成機(jī)制的研究,結(jié)合非經(jīng)典感受野特性對(duì)感受野合并模型進(jìn)行改進(jìn)來模擬簡單細(xì)胞感受野響應(yīng),相比于傳統(tǒng)的簡單細(xì)胞響應(yīng)模型,該模型不僅可以更好地模擬簡單細(xì)胞的生理結(jié)構(gòu),而且綜合考慮了非經(jīng)典感受野的易化和抑制作用,從而可以更好地增強(qiáng)邊緣抑制噪聲。經(jīng)過實(shí)驗(yàn)驗(yàn)證,該算法對(duì)于噪聲和背景干擾有很好的魯棒性。其次,針對(duì)輪廓檢測(cè)算法中重復(fù)計(jì)算和結(jié)構(gòu)信息利用不足的問題,提出了一種基于多層視覺線索的輪廓檢測(cè)算法。不同于在像素級(jí)進(jìn)行檢測(cè)的傳統(tǒng)方法,該方法首先基于超像素的方法生成候選輪廓集,結(jié)合生物視覺層級(jí)處理流程和相關(guān)理論,通過提取多層視覺線索評(píng)價(jià)候選輪廓集來實(shí)現(xiàn)輪廓檢測(cè)。實(shí)驗(yàn)結(jié)果表明,該算法可以有效地檢測(cè)圖像中目標(biāo)的顯著輪廓。然后,針對(duì)傳統(tǒng)輪廓檢測(cè)算法無法區(qū)分多目標(biāo)圖像中不同目標(biāo)輪廓的問題,在格式塔認(rèn)知規(guī)則的指導(dǎo)下,以輪廓檢測(cè)為基礎(chǔ),對(duì)多目標(biāo)輪廓編組問題進(jìn)行了進(jìn)一步的研究,以輪廓檢測(cè)的結(jié)果為編組基元,提出了一種基于格式塔編組約束和譜聚類的多目標(biāo)輪廓編組方法,利用編組約束構(gòu)造的親和矩陣自動(dòng)估計(jì)圖像中目標(biāo)的數(shù)目,引入譜聚類的方法實(shí)現(xiàn)對(duì)不同目標(biāo)輪廓的編組,將屬于不同目標(biāo)的輪廓分別標(biāo)記出來。通過實(shí)驗(yàn)驗(yàn)證,該方法可以有效的估計(jì)目標(biāo)數(shù)目,并實(shí)現(xiàn)對(duì)圖像中多個(gè)目標(biāo)輪廓的編組。最后,針對(duì)傳統(tǒng)顯著性目標(biāo)區(qū)選擇方法對(duì)目標(biāo)邊緣和輪廓信息利用不足的問題,提出了一種基于邊緣分布顯著圖的候選目標(biāo)區(qū)選取方法。在利用自動(dòng)目標(biāo)識(shí)別技術(shù)進(jìn)行導(dǎo)航制導(dǎo)的應(yīng)用中,為了使識(shí)別算法發(fā)揮最大的功效,除了對(duì)識(shí)別算法的性能有較高的要求以外,還必須考慮選擇合適的區(qū)域,這樣才能使高性能的識(shí)別方法發(fā)揮最大的功效。從這一角度出發(fā),在復(fù)雜細(xì)胞匯聚作用對(duì)不變特征提取的啟發(fā)下,構(gòu)造了一種反映邊緣方向分布的特征,并且利用該特征提出了一種基于邊緣分布顯著圖的候選目標(biāo)區(qū)選取方法。通過在多種影像和應(yīng)用上的測(cè)試,驗(yàn)證了提出算法的有效性和實(shí)用價(jià)值。
[Abstract]:Edge detection is a fundamental problem in image processing, one of the technical problems is classic, the results for feature extraction and description, target detection and recognition, has a very important impact on image understanding and subsequent processing and application, so the study on the related problems in theory, still have important significance in the application because the imaging condition level. The diversity and complexity of the visual scene, such as noise, interference caused by fuzzy image distortion and complex background edge on the target, although the edge detection algorithm has been proposed, but whether the effect of edge detection, or application of target recognition based on the edge of the machine vision system now the performance and adaptability of the human visual system and still have a large gap. On the other hand, in recent years the study of biological vision has made great progress. Through a large number of researchers studying neurophysiology and psychology, the structure and function of visual cortex, made a lot of research on visual information processing pathways and visual cognition rules. These results provide a new theoretical guidance for the design of edge detection algorithm. This paper uses biological vision theory as the guidance, through the perception and cognitive method from the simulation of the human visual system, edge detection, contour detection, contour grouping etc. the problems related to edge detection is studied deeply, and applied successfully to automatic target recognition. The main research contents of this paper are as follows: firstly, according to the template of traditional edge detection algorithm is difficult to determine the shape and size of the problem, inspiration receptive field properties in different neurons, presents a receptive field properties of the edge detection algorithm based on the algorithm. Through the simulation of the knee Body, simple cells with non classical receptive field characteristics and response characteristics of complex cell edge detection. Among them, the influence of noise on edge detection, through the research on the formation mechanism of the wild simple cells, combined with non classical feelings improved to simulate the simple cell receptive field response of receptive field with wild model simple cell response, compared to the traditional model, the physiological structure of the model can not only simulate the simple cells, and considering the non classical receptive field facilitation and inhibition, which can better enhance the edge noise. After experimental verification, the algorithm has good robustness to noise and background interference secondly, aiming at the shortage problem and structure information using the repeated calculation of contour detection algorithm, proposes a multi-layer contour detection algorithm based on visual cues. The traditional method for testing the same as in the pixel level, the first super pixel method to generate candidate sets based on contour, combined with biological processes and related theory of visual hierarchy, to achieve contour detection by extracting the evaluation of multi visual cue candidate contour set. The experimental results indicate that significant contours of this algorithm can effectively detect the target image. Then, according to the different traditional contour contour detection algorithm can not distinguish between multiple targets in the image, the Gestalt cognitive rules under the guidance of the contour detection based on multi target contour coding group was further studied, the contour detection results for grouping primitives, presents a Gestalt grouping constraints based on spectral clustering and multi target contour grouping method, automatic estimation of the number of objects in an image using the affinity matrix constructed by grouping constraints, spectral clustering. Method of grouping of different target contour, belong to different target contour respectively marked. Experiments show that this method can effectively estimate the target number, and grouping of multiple target contour in the image. Finally, aiming at the significant target area selection method of target edge and contour information use the problem, put forward a method of selecting candidate target region saliency map based on edge distribution. Application of navigation guidance in the use of automatic target recognition technology, in order to make the recognition algorithm for maximum effect, in addition to the performance of the recognition algorithm has higher requirements, must also be considered to choose the right area, so as to make the the recognition method of high performance play the biggest effect. From this point of view, in the role of stimulating the complex cell aggregation feature extraction, construct a reflecting edge side According to the characteristics of distribution, and using this feature, a candidate target area selection method based on edge distribution saliency map is proposed. The effectiveness and practicality of the proposed algorithm is verified by testing on various images and applications.

【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉金華;秦雨萍;李樞;;生物視覺與類生物機(jī)器視覺圖像獲取與成像[J];內(nèi)江科技;2010年01期

2 田麗娟;生物視覺信息處理功能研究與光電子系統(tǒng)的實(shí)現(xiàn)[J];大連理工大學(xué)學(xué)報(bào);1997年S2期

3 范學(xué)剛;王正志;黃教民;;一個(gè)基于生物視覺的單目運(yùn)動(dòng)方向檢測(cè)模型[J];中國圖象圖形學(xué)報(bào);2008年01期

4 楊亞威;李俊山;楊威;趙方舟;;利用稀疏化生物視覺特征的多類多視角目標(biāo)檢測(cè)方法[J];紅外與激光工程;2012年01期

5 劉長欽;王正志;;一個(gè)基于生物視覺的運(yùn)動(dòng)方向檢測(cè)模型[J];計(jì)算機(jī)仿真;2006年08期

6 于起峰;雷志輝;劉曉春;李強(qiáng);朱憲偉;;基于生物視覺的目標(biāo)匹配原理與實(shí)驗(yàn)進(jìn)展[J];紅外與激光工程;2008年06期

7 薛海斌;何東健;;基于小波和生物視覺機(jī)制的感興趣區(qū)域提取方法[J];楊凌職業(yè)技術(shù)學(xué)院學(xué)報(bào);2011年01期

8 潘晴;嚴(yán)國萍;田妮莉;;基于生物視覺同時(shí)對(duì)比現(xiàn)象的邊緣檢測(cè)模型研究[J];計(jì)算機(jī)與數(shù)字工程;2008年05期

9 王紅梅;李言俊;張科;;生物視覺仿生在計(jì)算機(jī)視覺中的應(yīng)用研究[J];計(jì)算機(jī)應(yīng)用研究;2009年03期

10 陳瑞森;;基于生物視覺的目標(biāo)識(shí)別與跟蹤[J];工業(yè)控制計(jì)算機(jī);2013年03期

相關(guān)會(huì)議論文 前2條

1 張健鵬;王如彬;張志康;;基于生物視覺的運(yùn)動(dòng)信息處理的綜述報(bào)告[A];第十二屆全國非線性振動(dòng)暨第九屆全國非線性動(dòng)力學(xué)和運(yùn)動(dòng)穩(wěn)定性學(xué)術(shù)會(huì)議論文集[C];2009年

2 何聰;金連文;劉麗娟;;基于生物啟發(fā)特征的笑臉識(shí)別[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

相關(guān)重要報(bào)紙文章 前1條

1 記者 左永剛;我國仿生紅外魚眼光學(xué)研究達(dá)到國際先進(jìn)水平[N];中國高新技術(shù)產(chǎn)業(yè)導(dǎo)報(bào);2010年

相關(guān)博士學(xué)位論文 前4條

1 孫驍;生物視覺啟發(fā)下的邊緣檢測(cè)方法及其應(yīng)用研究[D];華中科技大學(xué);2016年

2 孟祥林;生物視覺啟發(fā)的圖像識(shí)別技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2011年

3 陳碩;基于生物視覺機(jī)制的場(chǎng)景識(shí)別關(guān)鍵技術(shù)研究[D];東北大學(xué);2011年

4 許們;基于生物視覺的地面紅外運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)研究[D];北京理工大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 王肖萌;基于生物視覺注意機(jī)制的感興趣目標(biāo)提取方法研究[D];中國石油大學(xué)(華東);2014年

2 李惠;基于生物視覺融合機(jī)制的圖像增強(qiáng)算法研究[D];電子科技大學(xué);2016年

3 劉長欽;基于生物視覺的運(yùn)動(dòng)感知模型研究與仿真[D];國防科學(xué)技術(shù)大學(xué);2005年

4 李寅兵;基于生物視覺機(jī)理的圖像表征方法研究[D];鄭州大學(xué);2011年

5 江梅;基于生物視覺感知模型的目標(biāo)識(shí)別[D];南京理工大學(xué);2011年

6 朱良家;運(yùn)動(dòng)感知生物視覺系統(tǒng)神經(jīng)動(dòng)力學(xué)研究[D];國防科學(xué)技術(shù)大學(xué);2003年

7 范學(xué)剛;基于生物視覺的運(yùn)動(dòng)檢測(cè)模型[D];國防科學(xué)技術(shù)大學(xué);2006年

8 盧敏;基于生物視覺特征的計(jì)算模型研究[D];廈門大學(xué);2008年

9 李福;基于生物視覺注意機(jī)制的視頻圖像中感興趣目標(biāo)提取方法研究[D];中國石油大學(xué);2011年

10 向?yàn)?生物視覺啟發(fā)下的特征提取和目標(biāo)分類方法研究[D];北京交通大學(xué);2009年

，

本文編號(hào)：1738860