基于非經(jīng)典感受野機制的視覺處理模型及其應用研究.pdf

1、邊緣或輪廓作為圖像的關鍵特征信息，對于分析或理解視野中的目標對象具有重要意義。目前邊緣或輪廓檢測方法大多依據(jù)像素亮度等屬性在數(shù)學描述上的跳變特性，因此從圖像空間上來看，這種跳變通常反映局部區(qū)域的像素屬性變化趨勢。但視覺系統(tǒng)在提取圖像邊緣或輪廓時，更多的是一種全局或大范圍區(qū)域整體特征指導下的局部細節(jié)精細化，非經(jīng)典感受野大外周所存在的去抑制區(qū)域正是上述視覺機制實現(xiàn)的基礎。因此本文圍繞著非經(jīng)典感受野特性和應用展開研究，首先對傳統(tǒng)三高斯模型進行

2、改進，利用非經(jīng)典感受野結構實現(xiàn)對輸入的自適應加權響應，從而增強圖像中的邊緣信息；其次本文改善了傳統(tǒng)的同質(zhì)抑制模型，利用顏色空間信息實現(xiàn)背景異質(zhì)成分的抑制，獲得抗干擾能力更強的邊緣細節(jié)；最后本文模擬視覺顯著性信息提取與反饋，并結合紋理同質(zhì)抑制模型，凸顯主體輪廓。
　　本研究主要內(nèi)容包括：⑴建立三種基于非經(jīng)典感受野機制的視覺處理模型。首先根據(jù)非經(jīng)典感受野的三高斯模型，提出一種自適應加權響應模型，使檢測結果具有更完整的邊緣特性。其次改善

3、傳統(tǒng)的經(jīng)典感受野同質(zhì)抑制模型，使用三高斯函數(shù)代替DOG函數(shù)來模擬非經(jīng)典感受野，采用Lab顏色空間和片相似性分別描述圖像像素點的顏色以及紋理相似性，獲得圖像背景紋理及異質(zhì)成分。最后提出顯著性信息提取模型，根據(jù)經(jīng)典和非經(jīng)典感受野存在的去抑制區(qū)域的差異性產(chǎn)生突觸抑制電流，并通過冪指數(shù)歸一化的方式進行顯著性提取。⑵提出一種基于非經(jīng)典感受野機制的圖像邊緣檢測新方法。首先通過Log-Gabor濾波器對圖像進行方向選擇，采用izhikevich神經(jīng)元

4、網(wǎng)絡結合次序編碼模擬視覺通道獲得初步邊緣圖像，其次通過自適應加權響應模型對邊緣信息進行增強，最后采用顏色同質(zhì)抑制模型去除圖像的異質(zhì)成分，得到最終的邊緣圖像。經(jīng)過ROC和信息熵方法評價，本文方法十一幅圖ROC曲線下面積平均值為0.850，平均信息熵為0.395，均優(yōu)于傳統(tǒng)檢測方法。⑶提出一種基于視覺顯著性信息的圖像輪廓檢測方法。首先通過高斯導函數(shù)獲得初級視皮層(V1)的多方向梯度響應，同時基于非經(jīng)典感受野機制設置Leaky integra