基于视觉层次感知机制的图像理解方法研究

摘要

图像理解研究利用计算机系统解释图像，实现类似人类或其他高等生物视觉系统理解外部世界的行为，是当前计算机领域的研究热点和难点。图像理解与计算机视觉都在于研究并体现具有与人类视觉认知水平相当的能力，因此从人类视觉感知系统出发研究图像理解过程具有重要的理论意义和应用前景。事实证明图像理解所具有的显著层次分析结构与视觉系统的层次化感知机制是高度一致的，对视觉感知系统的结构和功能的理解及其数学模型的建立是扩充和发展现有图像理解方法的一种重要手段和根本出发点。 本文从图像理解与计算机视觉以及认知学之间的关系入手，以视觉认知的生理学和心理学研究成果为依据，以视觉信息的表示、学习和理解为研究主线，重点分析了视觉层次感知机制及其计算模型，结合相关视皮层的重要结构和功能机理，研究并构建了基于视觉层次感知机制的图像理解框架，完成了视觉分割、轮廓检测、广义目标识别以及场景分类等不同层次的图像理解任务。 本文的主要工作如下： (1)概述了图像理解的发展历史、研究现状及其层次结构特点，介绍了视觉层次感知系统的生理学构造、功能特点及相关研究成果，总结了基于视觉层次感知机制的计算模型，指出了视觉感知系统中存在的若干重要结构和功能机理，分析了图像理解与视觉感知系统之间的关系，提出了基于视觉层次感知机制的图像理解研究框架。 (2)研究了图像理解的低层特征描述方法，针对彩色图像的分割问题，通过构造分层特征描述了具有视觉感知一致性的图像区域，利用Fuzzy-ART内部的bottom-up和top-down交互作用形成了不同特征层次的像素类别划分，结合一定的区域合并策略，构建了层次化的视觉感知分割模型。 (3)以视皮层的拓扑连接为依据，进一步研究了图像理解的低层视觉描述，通过分析神经元之间的侧抑制与拓扑连接关系及其视觉形成机理，在原始自适应共振模型中引入了拓扑结构及其自组织学习策略，建立了具有拓扑保持特性的自适应共振模型，形成了拓扑保持结构下的低层视觉属性描述，实现了视觉目标的轮廓检测以及区域分割。 (4)以图像理解的中层结构信息表示方法为基础，分析了相关视皮层目标识别计算模型，有效利用初级视觉系统的信息抽象方法和稀疏编码机制，形成了视皮层目标识别计算模型中目标原型的稀疏化表示，提出了复杂背景下基于稀疏编码机制的层次化广义目标识别算法。 (5)以图像理解的高层视觉认知过程为背景，在理解场景的全局快速感知效应的基础上，分析了场景感知Gist表示的快速形成机理，研究了视皮层的层内快速反馈动力学特性及其与场景整体感知之间的关系，构建了基于视皮层组织的场景全局感知计算模型，实现了有效地场景分类算法。

目录

文摘

英文文摘

论文说明：图表目录

声明

致谢

第一章 绪论

1.1研究背景

1.2图像理解及其特点

1.2.1图像理解概述

1.2.2图像理解的层次结构

1.3基于视觉层次感知机制的图像理解

1.4论文的课题来源、研究内容与章节安排

1.4.1所选课题的来源

1.4.2论文的研究内容

1.4.3论文的章节安排

参考文献

第二章视觉层次感知机制

2.1 引言

2.2视觉感知系统

2.2.1视觉感知系统概述

2.2.2视觉感知的认知基础

2.3视觉层次感知系统及其计算模型

2.3.1视觉层次感知系统的生理学组织

2.3.2视觉感知系统的层次计算模型

2.3.3视觉感知系统中重要的结构与功能机理

2.4.本章小结

参考文献

第三章 彩色图像的层次化视觉感知分割

3.1引言

3.1.1图像分割的基本含义

3.1.2彩色图像分割方法

3.2图像的分层特征描述

3.2.1局部对比度

3.2.2局部梯度

3.2.3平滑色调

3.2.4同一性特征提取

3.3 Fuzzy-ART模型描述

3.4基于Fuzzy-ART模型的分层分割算法(HSFART-Hierarchical Segmentation based on Fuzzy-ART)

3.4.1模糊输入向量

3.4.2子区域合并

3.4.3分层分割算法

3.5分割质量评价

3.6算法与实验分析

3.7本章小结

参考文献

第四章 拓扑保持ART模型及其视觉描述

4.1引言

4.2 ART、SOM、GNG模型分析

4.2.1 ART基本模型

4.2.2 SOM与GNG的结构与性能

4.3具有拓扑保持特性的ART模型(Topology Preserving ART model-TPART)

4.3.1模型描述

4.3.2模型的新颖特点

4.3.3模型实现流程

4.4算法与实验分析

4.5本章小结

参考文献

第五章 基于神经稀疏编码的层次化广义目标识别

5.1引言

5.2视皮层的目标识别机理

5.2.1层次化的组织结构

5.2.2前向处理机制和快速识别能力

5.2.3学习能力和可塑性

5.3视皮层目标识别的计算模型

5.3.1基本计算原型

5.3.2目标识别计算模型

5.3.3皮层电路的关键计算策略

5.3.4 HMAX模型及其变形

5.4视皮层的稀疏编码机制

5.4.1稀疏编码的概念及含义

5.4.2稀疏编码算法及其分析

5.5基于神经稀疏编码的层次目标特征提取算法

5.5.1框架结构及其实现

5.5.2功能解释

5.6算法与实验分析

5.7本章小结

参考文献

第六章 场景的全局感知分类

6.1引言

6.1.1场景分类的概念及意义

6.1.2场景分类的特点

6.2场景的视觉感知层次

6.2.1场景感知的层次结构

6.2.2场景感知的优先级

6.3场景分类中的特征检测及其描述方法

6.3.1低层场景建模方法

6.3.2中高层语义建模方法

6.4基于Gist表示的场景全局感知特征描述

6.4.1 Gist概念的引出

6.4.2 Gist计算模型

6.4.3基于视皮层组织Gist特征的场景全局感知分类

6.5算法与实验分析

6.6本章小结

参考文献

第七章 总结与展望

7.1论文总结

7.2研究展望

攻读博士学位期间发表论文及参加科研情况