基于脉冲耦合神经网络的目标轮廓特征整合模型

摘要

该文旨在模拟人类视觉信息处理各个阶段的机制,用模仿生物神经细胞同步脉冲发放的PCNN模型来实现BOTTOM-UP与TOP-DOWN相结合的基于轮廓的目标检测任务.为此,我们进行了以下的研究工作：（1）通过计算机模拟了人类视觉信息处理中的方向检测功能、轮廓整合功能、组合特征提取功能以及在TOP-DOWN知识控制下的组合特征整合功能.（2）进一步把以上各项机制用统一的脉冲耦合神经网络的脉冲相位锁定来实现,最终完成计算机视觉目标检测这一复杂任务.（3）根据视觉信息从V1区到IT区处理过程的模拟,提出了TOP-DOWN对皮层影响机制的假设,认为高层知识对初级皮层的影响是通过组合特征的整合达到的,将知识TOP-DOWN到PCNN的权中使目标在视野中以同步振荡或相位锁定的方式浮现出来.论文完成了基于脉冲耦合神经网络的目标轮廓特征整合模,它可以检测具有不同的组合方向特征的目标,合理的达到旋转、平移、比例变换的不变性.

目录

文摘

英文文摘

第一章 绪论

1.1引言

1.2生物视觉信息处理机制

1.3模拟视觉皮层信息处理的神经网络模型

1.3.1同步振荡神经网络模型

1.3.2基于同步振荡的图像分割模型

1.3.3基于初级视觉皮层的轮廓整合模型

1.3.4用于轮廓匹配的脉冲耦合神经网络

1.3.5基于皮层的目标识别层次模型

1.3.6存在的问题

1.4 PCNN模型概论

1.4.1 PCNN模型的提出

1.4.2 PCNN模型的结构

1.5论文的主要内容和创新

1.5.1论文的主要内容

1.5.2论文的创新

1.5.3论文的内容安排

第二章 方向检测滤波器设计

2.1方向选择性细胞感受野和方位柱

2.1.1感受野

2.1.2方向柱(Orientation Column)

2.2方向选择性细胞感受野的数学模型

2.2.1Gabor滤波器

2.2.2 DOG滤波器

2.3用于图像边缘方向检测的DOG模型的参数分析

2.4应用实例

2.5小结

第三章 基于V1区的轮廓整合机制实现

3.1轮廓整合的机制

3.1.1网络模型

3.1.2振荡子模型

3.1.3连接权的设计

3.2 LI的模型稳定性讨论和计算机模拟结果

3.2.1对模型的稳定性讨论

3.2.2计算机模拟结果

3.3用PCNN模型实现轮廓整合

3.3.1 PCNN基本模型

3.3.2用于实现轮廓整合的PCNN模型

3.3.3计算机模拟结果

3.4 小结

附录1：LI的模型稳定性讨论(表3-2-1的推导过程)

第四章 TOP-DOWN对皮层影响机制的假设

4.1 MAX-LIKE模型和组合特征提取

4.1.1生物实验背景

4.1.2 MAX-like模型

4.1.3组合特征提取

4.2 TOP-DOWN对皮层影响机制的假设

4.2.1生理学背景

4.2.2特征整合假设

4.3目标识别的实例

4.4 小结

第五章 基于PCNN的目标轮廓特征整合模型

5.1基于PCNN的视觉目标轮廓匹配模型

5.1.1功能模块

5.1.2网络结构

5.1.3神经元

5.1.4数学模型

5.1.5 TOP-DOWN连接权的设计

5.2组合特征整合、目标轮廓匹配的机制

5.3计算机模拟结果

5.4讨论

5.4.1不变性识别

5.4.2轮廓的长度比例

5.4.3组合特征集F

5.5 小结

第六章 结语

参考文献

硕士期间发表论文

致谢

声明