初級視覺皮層朝向功能柱的建模與圖像表征研究.pdf

1、在模式識別領(lǐng)域，在背景中識別物體經(jīng)常是一個很有挑戰(zhàn)性的工作，尤其是當(dāng)物體的大小、拍照角度、明亮程度和背景都在不停改變的時候。處理這類問題最有效的方法是，使用拓撲信息或者幾何特征來學(xué)習(xí)和定義物體的結(jié)構(gòu)。
　　當(dāng)我們具有一個物體的幾個正例樣本的時候，我們經(jīng)常需要一個原型作為物體的表示。在計算機算法里，需要一些形式化的數(shù)據(jù)結(jié)構(gòu)來描述這個物體。一個直接的方式是選擇一些已有的知識表示方法，例如語義網(wǎng)絡(luò)、產(chǎn)生式規(guī)則、框架或者是本體。但是從知識

2、工程的角度來說，一種好的知識表示方法應(yīng)該能夠無縫地連接兩個知識層級:在學(xué)習(xí)階段獲取的知識，和在推理階段使用的知識。在本文中使用的知識適用于物體的結(jié)構(gòu)化特征。
　　在解決這些問題的時候絕大多數(shù)計算機視覺的研究者忽略了生理視覺原理，而過多地從工程角度出發(fā)提出各種理論和算法，使得計算機視覺缺乏完整的計算理論體系和統(tǒng)一的有效算法，無法解決復(fù)雜場景的認知問題。所以當(dāng)前的計算機視覺實際上只能處理單一的局部信息，但大多數(shù)景象都是由多種不同的局部

3、信息組成的。相比之下，高等哺乳動物的視覺感知系統(tǒng)卻能夠在各種復(fù)雜的環(huán)境下輕松感知外界信息。當(dāng)高等哺乳動物觀察一個景象時，大腦會很好地組合各種局部視覺信息，產(chǎn)生總體協(xié)調(diào)的感覺，從非常復(fù)雜的背景中辨認出各種尺度、各種特性的物體。所以，通過對高等哺乳動物的視覺處理機制的研究，借助于神經(jīng)生理和認知心理理論，完全可能找到一些新的突破點，為計算視覺理論提供新的原型，以解決計算機視覺遇到的困難。
　　在本文中我們模擬初級視皮層在視覺信息處理過程

4、中的中繼機制:所有從底層視網(wǎng)膜出發(fā)的信息匯集到這里，并且所有到上層皮質(zhì)的信息從這里發(fā)出。所以存儲在初級視皮層中的信息足夠充分，能夠被用來進行后續(xù)的處理。在紋狀皮層的V1區(qū)域有許多細胞會對特定的朝向產(chǎn)生強烈的反應(yīng)。人們研究了這種朝向選擇性，并且提出了朝向柱的概念。朝向柱模型給了我們靈感設(shè)計一個類似的陣列來記錄圖像邊緣朝向的分布。朝向柱陣列的輸出是激活朝向片的集合，我們相信物體的輪廓信息也會被包含在這個分布中。在激活朝向片集合的基礎(chǔ)之上，我

5、們設(shè)計了線條上下文描述子，作為物體高階統(tǒng)計信息的表示單元。接下來我們把從多個原型中得到的描述子重組成數(shù)據(jù)表，并且用數(shù)據(jù)表來表示物體的特征。
　　通過對初級視覺皮層中朝向柱陣列的模擬得到的知識，比未經(jīng)加工的原始數(shù)據(jù)要稀疏，但是比形式化的概念要密集。朝向柱陣列表達的語義成分比未經(jīng)處理的原始數(shù)據(jù)重，但是比形式化的概念要輕。所以這是一個非常好的方法，具有合適的粒度，能夠讓數(shù)據(jù)和概念匯集在一起。
　　實驗結(jié)果表明，我們的算法能夠有效表