生物视觉原理在图像处理中地应用

《生物视觉原理在图像处理中地应用》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、生物视觉原理在图像处理中的应用1、生物视觉原理概述生物视觉是个交叉性研究领域，涉及认知心理学、人工智能、计算机图像处理等学科，生物视觉的重要性无庸置疑，因此研究生物视觉系统受到相关科学界的相当关注。与计算机视觉有很大的差别的是，生物视觉系统硬件层次上使用神经网络来实现。但如果两者选用同样的计算理论框架理论层次，那本质上应没有太大区别，仅仅区别在于计算机视觉把该研究作为进一步深入探索和理解人脑视觉技能的手段。计算机视觉研究其主要对象是数据，是一个3D到2D，以及2D到3D的逆问题，而生物视觉的研究能够充分理解人脑视觉认知过程，这也促进了计算机视觉更深入的研究和发展。

2、生物视觉系统是一个串行与并行相结合复杂的高级视觉信息处理过程，当前在更高层次上的机理研究尚未有突破性进展。目前搞清楚的仅仅是其中的极小一部分，两者处于“独立自主，各自为政”的阶段，因此必须深层次研究生物视觉系统的各自功能和实现原理，而计算机视觉系统的发展也在视觉领域寻找着新的思路和方法，在未来，依据生物视觉模式识别模型来寻找新的计算机视觉方法，那时计算机视觉系统的研究和生物视觉系统的研究将融合在一起。了解大脑的运作机理如同大海捞针，而随着生理学和解剖学的近两个世纪的发展，生物视觉系统的研究进入神经元细胞的层面，自Hubel和Wiesel于50年代末首次开展对视皮层

3、细胞的研究，为生物视觉系统研究方面做出了开拓性的工作和重大贡献，在这基础上关于视网膜、视神经通道和视皮层的研究不断深入，并取得了大量的重要的研究成果。他们在60-70年代提出了视觉感受野的理论，感受野是支持视觉信息分层串行处理的最重要的生理学基础。之后Kuffler首次通过对猫的神经元细胞的研究，提出感受野在反应上的空间分布呈同心圆颇顽形式，通过这些研究成果，1985年，Daugman等提出使用Gabor函数模拟视皮层中简单细胞的感受野。Riesenhuber和Poggio在1999年第一次建立了完整的视觉处理HMAX模型，这是一个从生物学的角度上模拟的多层次模型

4、，并在进行模式分类与识别研究中取得相当高的正确率，引起了计算机视觉和生物视觉界相当大的关注和更深层次的研究。8神经稀疏编码机制是初期视觉感知所采用的基本视觉响应方式，表示了图像中的高阶统计性。稀疏编码即给定输入图像，寻找一组完备基，使得图像在这些基下的表示系数具有“大量系数为零，少量不为零”的稀疏特性。近年来，关于稀疏编码的研究使得人们突破了已有的完备基的思想框架，踏入新的领域。而对于超完备基（基函数的维数大于输出神经元的个数）的研究，最早由Olshausen等人将超完备基引入到稀疏编码模型中。稀疏编码技术发展迅速，但尚处于发展阶段，其在理论和应用方面的研究还有待

5、于进一步深化和完善，是最近的一个研究热点。2、在目标检测中的应用复杂动态背景下的目标检测和提取是图像处理领域中的一项关键技术，在机器人视觉，工业交通监视，视频压缩和遥感影像解译等众多领域具有重要的应用价值。自然界中，生物视觉系统卓越的目标检测和跟踪能力是现有计算机视觉技术无法比拟的。为此，研究生物视觉中的生物学机理，降低计算机视觉在目标检测和跟踪上的虚警概率，获得稳定、鲁棒的目标提取效果成为当前研究的热点。目前，目标检测和提取算法主要分为基于空域特征的目标检测算法、基于时域特征的目标检测算法和时空域特征相结合的目标检测算法三大类。基于空域特征的算法是通过单帧图像局

6、部区域内目标的显著特征进行目标检测和提取。而仅依赖空域特征的目标检测算法通常无法克服复杂背景干扰，对于占地面积较小、空间对比度较低、容易被周围背景物体混淆的目标，单纯依靠空域特征无法获得理想的提取效果。另外生物视觉研究表明，相对于空域特征，生物视觉系统对时域特征光具有更高的敏感性。基于时域特征的目标检测算法是以目标和背景之间的运动差异为依据，通过背景建模、光流场分析以及目标轮廓跟踪等方法实现目标检测与提取。采用背景抑制、运动矢量差异以及目标轮廓提取等方法可以降低复杂背景对于目标检测的干扰，但是对于动态复杂背景，该类算法仍存在一定的局限性。时空域特征相结合的目标检测

7、算法是为克服依靠单一目标特征无法获得稳定检测效果的问题而提出的，该类算法试图通过融合不同类特征在目标检测和提取上的优点，获得理想的提取效果。2005年Cheng等人将Itti模型提取的空域特征与动态时域特征相结合，较好的改善了由于光照变化和噪声等因素对检测结果的影响。2009年Liu等人以信息论为基础提出了联合时空域特征显著性的目标检测算法(S-T，spatial-temporal)。83、在特征提取中的应用近些年来基于生物视觉的计算模型受到了广泛的重视，很多研究者受此启发提出了基于生物视觉的特征提取，图1为一种基于生物视觉特性的特征提取框架图，基于生物视觉的特征

8、提取目前在