视觉功能修复中的图像和信号处理方法研究

摘要

视觉是人类获取外界信息最主要的方式,视觉功能异常对患者的生活质量有很大影响。针对这些异常的视觉功能修复既是提高人们生活水平的重大需求,也面临很多重大的困难和挑战。在各类视觉功能异常中,失明是程度最严重的一类,而色觉异常则是影响范围很大的一类。这两类视觉功能异常的修复方法都处于探索阶段,有很多需要解决的问题。本文对这两类视觉功能异常的修复方案中的图像和信号处理方法进行了研究,主要包括以下方面:
　　(1)针对已有的二色觉者颜色感知模拟方法计算复杂度高的问题,提出了一种基于矩阵变换的二色觉者颜色感知模拟方法,比传统方法更加快速简单,有利于大量图像的处理。针对已有方法在模拟异常三色觉者感知方面的空白,提出了一种基于加权平均的异常三色觉者颜色感知模拟方法,可以模拟不同类别和程度的异常三色觉者的颜色感知。
　　(2)在对色觉异常的辅助矫正方法的研究中,提出了一种利用人工神经网络训练来重建异常视锥细胞信号的方法,从理论上说明了利用异常视锥细胞传递的信号可以重建出正常视锥细胞应有的信号。针对已有的基于颜色变换的色觉异常矫正方法颜色利用率低、自适应性不好的问题,提出了一种自组织颜色变换方法,自适应地将图像中的颜色变换成为二色觉者能够获取更多信息的颜色,显著增强二色觉者对颜色的分辨能力。
　　(3)研究了盲人视觉修复工程中对图像边缘检测的需求。针对已有方法在噪声环境下检测性能明显下降的不足,提出了颜色分布相似性和方向一致性这两类用于彩色图像边缘检测的新特征,并提出了多特征融合的彩色图像边缘检测方法,具有较好的抗噪性。在分析特征时,针对传统直方图相似性度量在直方图发生偏移的情况下准确性不高的问题,提出了一种基于平均窗口平移的直方图相似性度量,在图像受光照、噪声等因素影响而发生直方图偏移的情况下仍能正确度量直方图的相似性。
　　(4)研究了盲人视觉修复工程中对图像中目标轮廓分离的需求。提出了一种基于特征聚类的轮廓提取和分离方法,分别采用K-均值聚类和自组织映射的方法对边缘进行聚类,自动实现轮廓的提取、不同轮廓之间的分离以及轮廓与背景边缘之间的分离。在此基础上,提出一种自组织特征映射模型,来模拟视觉系统对彩色场景进行初步处理的机制,模型能够同步完成前景与背景分割、边缘检测、目标轮廓提取以及不同类别物体的分离等功能,为进一步研究视觉系统的信号处理机制提供了参考。
　　(5)为了寻找视觉修复工程中合适的神经刺激方式,对视觉信息的神经编码方式进行了研究。提出了一种基于同步振荡的轮廓提取和分离模型,通过神经振荡的同步和异步来区分不同物体的轮廓,不仅有助于对视觉系统中信息编码方式的研究,也为基于视神经刺激的盲人视觉修复项目中刺激方式的选择提供了参考。本文提出的各类方法以视觉系统的特性和处理机制为依据,既具有较好的通用性,适合图像处理的各种应用,也具有一定的针对性,密切结合了视觉功能修复方案的需求,有望为针对失明和色觉异常的视觉功能修复提供帮助,从而为患者带来新的希望。

目录

摘要

Abstract

第1章 绪论

1.1.视觉功能异常

1.2.颜色视觉异常的相关研究

1.2.1.颜色视觉异常

1.2.2.针对色觉异常的辅助手段和矫正方法

1.3.失明的相关研究

1.3.1.失明

1.3.2.针对失明的视觉功能修复方法

1.3.3.基于视神经刺激的盲人视觉修复项目

1.3.4.盲人视觉修复项目在图像和信号处理方面的要求

1.4.本文主要研究内容

1.5.论文创新点

1.6.论文结构安排

第2章 色觉异常者颜色感知模拟方法研究

2.1.色觉异常的生理基础

2.2.色觉异常者的颜色感知及模拟方法

2.2.1.色觉异常者的颜色感知

2.2.2.已有的模拟色觉异常者颜色感知的方法

2.3.基于矩阵变换的二色觉者颜色感知模拟方法

2.3.1.矩阵变换方法

2.3.2.二色觉者颜色感知模拟结果和比较

2.4.基于加权平均的异常三色觉者颜色感知模拟方法

2.4.1.加权平均方法

2.4.2.异常三色觉者颜色感知模拟结果

2.5.本章小结

第3章 色觉异常矫正方法研究

3.1.色觉异常矫正方法概述

3.2.基于BP神经网络的视锥信号变换方法

3.2.1.BP神经网络

3.2.2.视锥信号变换模型

3.2.3.视锥信号变换结果

3.2.4.讨论与分析

3.3.增强二色觉者颜色分辨能力的自组织颜色变换方法

3.3.1.自组织映射

3.3.2.自组织颜色变换方法

3.3.3.实验和结果

3.3.4.对颜色变换效果的量化评价

3.3.5.讨论与分析

3.4.本章小结

第4章 多特征融合的彩色图像边缘检测方法

4.1.彩色图像边缘检测基础

4.2.基于平均窗口平移的直方图相似性度量

4.2.1.直方图平均窗口平移度量

4.2.2.四种直方图相似性度量方法的比较

4.2.3.四种方法在应用中的性能比较

4.2.4.讨论与分析

4.3.多特征融合的边缘检测方法

4.3.1.特征选择

4.3.2.特征提取

4.3.3.特征融合

4.3.4.实验结果与讨论

4.4.本章小结

第5章 基于特征聚类的轮廓提取和分离方法

5.1.轮廓提取和分离方法概述

5.2.特征聚类

5.2.1.特征聚类概述

5.2.2.K-均值算法

5.3.边缘特征聚类方法

5.3.1.方法流程

5.3.2.K-均值聚类方法的结果

5.3.3.自组织映射聚类方法的结果

5.3.4.讨论与分析

5.4.模拟视觉系统特征映射机制的自组织映射模型

5.4.1.视觉系统特征映射机制

5.4.2.自组织映射模型及结果

5.4.3.讨论与分析

5.5.本章小结

第6章 基于同步振荡的轮廓提取和分离模型

6.1.神经信息编码中的同步振荡理论

6.1.1.神经科学的几个基本概念

6.1.2.神经信息编码的各种理论

6.1.3.神经系统的同步振荡现象

6.2.神经振荡的理论模型

6.2.1.Wilson-Cowan振子模型

6.2.2.脉冲振子模型

6.2.3.松弛振子模型

6.2.4.LEGION同步振荡网络

6.3.基于同步振荡的轮廓提取和分离模型

6.3.1.模型的生物学依据

6.3.2.模型中的特征选择及计算

6.3.3.模型的结构

6.3.4.结果与讨论

6.4.本章小结

第7章 总结与展望

7.1.全文研究工作总结

7.2.对今后工作的展望

参考文献

攻读博士学位期间的研究成果

致谢