本文選題：視覺(jué)假體　切入點(diǎn)：仿真假體視覺(jué)　出處：《上海交通大學(xué)》2013年碩士論文　論文類(lèi)型：學(xué)位論文

【摘要】：現(xiàn)今對(duì)視網(wǎng)膜色素變性和老年黃斑色素變性的失明患者的視覺(jué)功能修復(fù)主要集中在視覺(jué)假體的研究。視覺(jué)假體通過(guò)對(duì)視覺(jué)神經(jīng)系統(tǒng)進(jìn)行電刺激，在視覺(jué)中樞產(chǎn)生光幻視，從而實(shí)現(xiàn)視覺(jué)功能修復(fù)。 物體識(shí)別是日常生活中的常見(jiàn)任務(wù)。而幫助盲人識(shí)別常見(jiàn)生活用品是視覺(jué)假體的主要功能之一。在現(xiàn)今，由于可植入微電極數(shù)的限制，假體植入者在日常室內(nèi)生活場(chǎng)景下的物體識(shí)別率較低。目前視覺(jué)假體的研究熱點(diǎn)之一就是尋找最佳的圖像處理策略以?xún)?yōu)化有限分辨率下的光幻視陣列呈現(xiàn)的信息。適當(dāng)?shù)膱D像處理策略可以從攝像頭獲取的豐富的圖像信息中提取出有用的視覺(jué)信息，并在低分辨率的限制條件下用最優(yōu)的方式呈現(xiàn)給假體植入者。 本研究提出了一個(gè)自下而上的基于視覺(jué)顯著性計(jì)算模型的物體識(shí)別模型，引入Itti提出的基于視覺(jué)顯著性的注意機(jī)制計(jì)算模型，通過(guò)FCM聚類(lèi)算法確定圖像中的感興趣區(qū)域，再對(duì)圖像進(jìn)一步分割處理（Grabcut）以提取出圖像的前景，進(jìn)而結(jié)合不同的圖像處理策略將前景與背景重新組合，應(yīng)用光幻視點(diǎn)呈現(xiàn)圖像，提高圖像的識(shí)別率。 實(shí)驗(yàn)結(jié)果表明，在65張隨機(jī)采集的帶背景的實(shí)驗(yàn)素材圖像中，80%的圖像通過(guò)Grabcut算法后可以達(dá)到良好分割的結(jié)果。32×32分辨率下，前景與背景分離的圖像處理策略（8-4SP與BEE）的識(shí)別率顯著高于DP組，特別是BEE策略在不理想分割的情況下的識(shí)別率仍然顯著高于DP組。另外，，這兩種前景與背景分離的圖像處理策略下，被試能夠準(zhǔn)確描述出物體的比率顯著地高于DP組。
[Abstract]:Nowadays, the repair of visual function in the blind patients with retinitis pigmentosa and senile macular pigmentosa mainly focuses on the visual prosthesis, which produces optical illusion in the visual center by electrical stimulation of the visual nervous system. In order to achieve visual function repair. Object recognition is a common task in daily life. Helping blind people to identify common objects is one of the main functions of visual prostheses. The object recognition rate of prosthetic implants in daily indoor living scenes is low. At present, one of the research hotspots of visual prosthesis is to find the best image processing strategy to optimize the information presented by optical illusion array with limited resolution. Appropriate image processing strategies can extract useful visual information from the rich image information obtained by the camera, It is presented to prosthesis implants in an optimal manner under low resolution constraints. In this study, a bottom-up object recognition model based on visual salience computing model is proposed, and a visual salience based attention mechanism computing model proposed by Itti is introduced. The region of interest in the image is determined by FCM clustering algorithm. Then the image is further segmented and processed by Grabcut) to extract the foreground of the image, and then the foreground and background are recombined with different image processing strategies, and the image is presented with the optical viewpoint to improve the recognition rate of the image. The experimental results show that 80% of the 65 randomly collected experimental images with background can be segmented at a good resolution of .32 脳 32 by Grabcut algorithm. The recognition rate of image processing strategies (8-4SP and beep) separated from foreground and background is significantly higher than that of DP group, especially the recognition rate of BEE strategy is still significantly higher than that of DP group when the segmentation is not ideal. Under these two image processing strategies, the ratio of accurately describing objects was significantly higher than that of DP group.
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類(lèi)號(hào)】：R318.18

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 于亮;;不同級(jí)別乒乓球運(yùn)動(dòng)員感知覺(jué)能力與競(jìng)技水平的關(guān)系研究[J];安康學(xué)院學(xué)報(bào);2010年02期

2 李言俊,高陽(yáng);仿生技術(shù)及其應(yīng)用[J];安陽(yáng)工學(xué)院學(xué)報(bào);2005年01期

3 劉偉,袁修干;視覺(jué)——目標(biāo)拾取認(rèn)知技術(shù)的研究及思考[J];北京航空航天大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2001年04期

4 景曉軍,李劍鋒,張?zhí)K慧,楊義先;圖像智能化的目標(biāo)檢測(cè)技術(shù)(Ⅰ)——目標(biāo)-背景視覺(jué)模型[J];北京郵電大學(xué)學(xué)報(bào);2003年S1期

5 景曉軍,李劍鋒,張?zhí)K慧,楊義先;圖像智能化的目標(biāo)檢測(cè)技術(shù)(Ⅱ)——數(shù)據(jù)流程與背景感知[J];北京郵電大學(xué)學(xué)報(bào);2003年S1期

6 張春玲;邱振戈;;基于人類(lèi)視覺(jué)特性的影像匹配策略[J];測(cè)繪通報(bào);2006年09期

7 王玲;堯德中;;運(yùn)動(dòng)方向?qū)ι疃冗\(yùn)動(dòng)知覺(jué)的影響——ERP研究[J];電子科技大學(xué)學(xué)報(bào);2009年04期

8 張學(xué)軍;;決策者有限理性的心理根源探析[J];電子科技大學(xué)學(xué)報(bào)(社科版);2008年03期

9 董立娟;練秋生;;基于視覺(jué)顯著性和視覺(jué)信息處理模型的特征提取方法[J];電子測(cè)量技術(shù);2007年01期

10 王群;何永強(qiáng);周云川;;基于中值濾波和生物仿生學(xué)的圖像增強(qiáng)研究[J];光電技術(shù)應(yīng)用;2011年05期

相關(guān)會(huì)議論文 前1條

1 周哲;;LSC-1型弱視增視治療系統(tǒng)的研制與臨床應(yīng)用[A];2006中國(guó)科協(xié)年會(huì)論文集（第13分會(huì)場(chǎng)）[C];2006年

相關(guān)博士學(xué)位論文 前10條

1 魏龍生;視覺(jué)信息處理中注意機(jī)制計(jì)算模型研究[D];華中科技大學(xué);2011年

2 向遙;基于視覺(jué)感知的圖像處理方法研究[D];中南大學(xué);2011年

3 居家奇;照明光生物效應(yīng)的光譜響應(yīng)數(shù)字化模型研究[D];復(fù)旦大學(xué);2011年

4 徐蔚;基于瞳孔收縮的非視覺(jué)感光系統(tǒng)的研究[D];復(fù)旦大學(xué);2011年

5 王哲;基于初級(jí)視覺(jué)機(jī)制的圖像編碼模型研究[D];北京交通大學(xué);2011年

6 張卓筠;自由立體圖像深度圖提取算法的理論研究[D];天津大學(xué);2008年

7 張巧榮;視覺(jué)注意計(jì)算模型及其關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2011年

8 林克正;基于小波分析的焊縫圖象處理與識(shí)別的研究[D];哈爾濱工程大學(xué);2001年

9 庾農(nóng);基于形態(tài)學(xué)理論的目標(biāo)檢測(cè)技術(shù)[D];中國(guó)人民解放軍國(guó)防科學(xué)技術(shù)大學(xué);2000年

10 張華寧;語(yǔ)言認(rèn)知功能的磁源成像研究[D];河北醫(yī)科大學(xué);2003年

相關(guān)碩士學(xué)位論文 前10條

1 鐘麗輝;SD大鼠閃光視覺(jué)誘發(fā)電位的少次提取和神經(jīng)元放電的初步研究[D];鄭州大學(xué);2010年

2 鐘偉;飛行技能形成規(guī)律的計(jì)算機(jī)仿真與驗(yàn)證[D];電子科技大學(xué);2010年

3 馮水鋒;超聲檢測(cè)圖像處理和數(shù)據(jù)壓縮的研究[D];浙江大學(xué);2011年

4 胡寧;基于視覺(jué)注意機(jī)制的服飾平面廣告[D];東華大學(xué);2010年

5 崔有剛;仿生視網(wǎng)膜信息平行處理的模擬研究[D];吉林大學(xué);2011年

6 程丙寅;仿生腦初級(jí)視皮層超柱結(jié)構(gòu)研究[D];吉林大學(xué);2011年

7 李凱;仿生腦V2視皮層超柱結(jié)構(gòu)及若干工作機(jī)理研究[D];吉林大學(xué);2011年

8 李孟寒;仿生腦外側(cè)膝狀體模型及若干工作機(jī)理研究[D];吉林大學(xué);2011年

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

10 董靜遠(yuǎn);復(fù)雜背景下的手勢(shì)分割方法研究[D];華南理工大學(xué);2011年

本文編號(hào)：1560901