生物視覺啟發(fā)的形狀特征層次模型及其在目標識別中的應(yīng)用.pdf

1、使計算機擁有與人類相媲美的目標識別能力是計算機視覺領(lǐng)域研究的目標。應(yīng)用生物視覺的信息處理機制進行目標識別是當前研究的熱點之一。形狀特征作為描述目標的重要特征，在大腦視覺皮層中通過腹側(cè)通路的V1-V2-V4-IT區(qū)進行層次化表達。由于形狀信息在大腦皮層中的處理機制相對復雜，尚未形成完善的理論體系，因此傳統(tǒng)計算機視覺方法停留在模擬 V1區(qū)提取目標形狀的條形特征，忽略了高級視覺皮層對目標形狀表達的重要作用。因此總結(jié)并分析高級皮層的形狀信息處理

2、機制，并應(yīng)用于提取目標形狀特征進行目標識別具有重要的理論意義和應(yīng)用前景。
　　本文從生物視覺角度出發(fā)，針對V1提取條形特征對目標形狀表達的不足，重點研究了腹側(cè)通路 V1-V2-V4區(qū)對形狀信息的處理機制，建立了形狀特征層次模型，進一步提取角形、曲率特征。模型的V1層通過Gabor提取條形特征；在此基礎(chǔ)上引入V2層，結(jié)合3D-DOG抑制噪聲，并將兩組方向相差90度的Gabor濾波器組提取的條形特征組合為角形特征；V4層通過曲率域計算

3、，描述目標輪廓的形變程度，并最終提取融合曲率與梯度方向的直方圖特征。通過條形、角形、曲率的層次性表達，有效增強了目標形狀關(guān)鍵點的描述；通過結(jié)合曲率與梯度方向直方圖，可以有效彌補單一的曲率或梯度特征局部描述的不充分。
　　通過利用MNIST手寫數(shù)字數(shù)據(jù)集與21類遙感影像數(shù)據(jù)集，提取目標形狀特征并進行分類，并與傳統(tǒng)的生物視覺啟發(fā)的計算模型與典型的計算機視覺圖像表達方法對比，發(fā)現(xiàn)本文模型可以取得較為良好的目標識別效果。并通過相關(guān)實驗驗證