生物视觉模型启发的不变性识别与分类方法的研究

摘要

人类视觉系统一直是机器视觉研究人员模仿人类和其他哺乳动物所拥有的智能和视觉感知功能的一个有趣的话题。 由于人类视觉感知系统仍然比先进的机器视觉算法更好，为了实现人类的视觉和智慧，研究人眼和视觉皮质处理区域的生理和解剖特性然后尝试在机器视觉算法中模拟它们是一个很有意义的课题。 本文的主要目标是提出一种基于神经科学家最近发现的神经生理学证据的机器视觉算法，然后把提出的方法应用到工业自动化过程控制中。 在本文研究中，我们提出了一种基于人脑内层次结构（HMAX 模型）的彩色机器视觉模型（Color-HMAX-SVM）来表示图像图案（或纹理）和颜色特征，该模型根据图像的纹理（或图案）和颜色进行图像的识别和分类，具有尺寸、位置、方向或其他几何或照明不变性。由于对象的特征通常是独特的，在纹理或图案以及颜色方面，开发的算法必须能够有效地捕获图案和颜色特征，以便有效地识别和分类。由于生物视觉系统在视觉信息方面具有很好的不变性、非常鲁棒，因此我们的工作受到视觉皮层的既定事实的启发。本文开发的算法可以分为三个模块，即颜色描述符，形状描述符和特征分类器。我们通过创建 H-MAX 模型的颜色变体来开发模式描述符。这是通过基于从输入彩色图像形成三个拮抗色通道（就像人类视觉中命名的，即，红-绿，蓝-黄和黑-白）形成三个拮抗色描述符来提取和表示颜色特征，然后将其与传统的H-MAX 模型集成。 H-MAX 模型基于具有交替卷积和最大池层的层次结构，能够捕获与图案相关的特征，拮抗色描述符捕获颜色信息。本文采用了基于支持向量机（SVM）的特征分类器，并将其与特征提取模块集成，进行特征匹配作为模型的最后阶段。该模型在定制的织物图案数据集上进行了测试，发现在识别不同图案和颜色方面相当有效。 此外，通过使用基于深度极限学习机ELM（Extreme Learning Machine）的特征分类器替换本文前期开发的模型中(Color-HMAX-SVM)的SVM 分类器，改进了本文前期开发的Color-HMAX-SVM 模型。虽然 Color-HMAX-SVM模型具有生物学启发性和高效性，但是我们意识到可以改进分类器，以提高 Color-HMAX-SVM 模型的分类准确性。另外一些研究人员在支持向量机（SVM）分类器是否具有生物学上的依据也有不同的看法，但极限学习机ELM被认为在生物学上是有一定依据的，并且与其他现有的分类器相比，具有简单、高效和速度快的特性。最近十几年中，ELM已经成为特征分类器的强大替代品，与支持向量机相比，ELM分类器被证明训练更容易，更快速，消耗更少的计算量。这激发了我们提出改进的基于深度 ELM的彩色机器视觉模型（Color-HMAX-DELM），该模型采用一个深度的ELM网络作为特征分类器，然后将其与本文前期开发的颜色和形状特征描述符集成。因此，Color-HMAX-DELM 模型是一个受到人类视觉系统启发的具有生物学依据的模型。本文将提出的Color-HMAX-DELM算法应用于定制的织物模式数据集以测试模型效率。然后将实现的结果与其他现有模型以及较早提出的模型进行比较，结果验证了Color-HMAX-DELM模型的有效性和优越性。 最后，本文将所提出的模型应用到工业自动化。目前大多数行业的趋势是进行自动化检测与控制以降低人工成本，提高效率和生产速度。质量自动检测与控制一直是任何公司的重要工作，无论是纺织品制造商或任何其他消费品制造商。首先，该模型适用于饼干烘焙水平和纹理检查的问题，以定量测试在相似的形状模式但不同的颜色水平下模型的识别精度。烘焙食品的烘焙程度的评估烘焙食品烘焙质量的重要特征，而烘焙程度可由食物的颜色外观主观判断，因此通过测试烘焙产品的烘烤程度，我们验证了我们算法的颜色特征识别的有效性。利用本文提出的算法进行对定制的饼干数据集图像进行了测试，并与现有的机器视觉算法的结果进行了比较。比较的结果是令人满意的。其次，本文模型被应用于交通标志的识别和分类的问题以测试在不同的环境条件下算法使用颜色信息的不变性的能力。交通标志识别系统的关键问题是开发一个智能视觉系统能够在不同的环境条件（如光照的变化）识别交通标志。因此，我们将我们的算法应用到这个问题来测试我们的算法在不同的环境条件下（交通标志的位置，方向，遮挡和照明）的识别精度。实验结果表明，本文所提出的算法能够有效利用颜色信息在多变的环境下识别和分类相关的交通标志，算法是鲁棒的，在大多数环境情况下能正确识别目标。第三，针对复杂的实际工业问题-织物的识别和分类问题，我们应用本文提出的仿生彩色机器视觉算法，根据织物图案和纱线颜色，对纺织织物进行识别和分类。织物组织形态和纱线颜色的宏观视觉检测是一个重要的工业应用，因为它是基于织物的质地和颜色进行织物的分类。我们提出的算法被应用到这个重要的工业应用进行测试，数据集采用的是一个定制的织物图像数据集。我们的算法和其他现有的方法进行了对比。实验结果和比较结果表明，所提出的算法有很好的识别能力，彩色图像在不同的环境条件下，织物的编织图案和纱线颜色被正确辨认，并被相当准确地分类到相应的类别中。 本文的主要工作是模仿人类的视觉和人类智慧，为机器提供与人类相同的视觉和智能能力。本文提出了两种算法，并对其模式识别和分类能力以不同的应用进行了测试，以验证生物启发的人工彩色视觉和人工智能系统在成本、速度和效率方面取代人力的可能性。与其他现有模型的比较证明实验结果是令人满意的。由于神经科学家总是能在初级视觉皮层中发现视觉加工机制，因此基于有关人类视觉系统的最新发现，人工视觉和智力的生物学启发式算法总是有改进的空间。因此生物视觉系统领域的进一步发展将引起这些生物学启发的机器视觉算法及其在工业自动化系统应用中的性能的进一步提高。

目录

第一个书签之前