声明
致谢
摘要
1 绪论
1.1 选题背景与意义
1.2 国内外研究现状
1.2.1 视觉问题的马尔科夫随机场模型与贝叶斯推断
1.2.2 贝叶斯推断的“信任传递”求解算法
1.2.3 贝叶斯推断的神经网络实现
1.2.4 脉冲耦合神经网络
1.2.5 立体匹配研究现状
1.3 论文主要内容与章节安排
2 基于脉冲耦合神经网络的视觉推断模型
2.1 引言
2.2 视觉问题的贝叶斯推断方法
2.2.1 马尔科夫随机场
2.2.2 马尔科夫随机场上的贝叶斯推断
2.2.3 信任传递方法
2.3 神经系统的数学模型
2.4 信任传递的神经电路实现
2.4.1 神经视觉推断模型框架
2.4.2 信任神经元
2.4.3 消息神经元
2.5 实验结果与讨论
2.5.1 简单马尔科夫随机场推断结果
2.5.2 模型的生物相似性
2.6 本章小结
3 基于PCNN视觉推断模型的前景识别算法
3.1 引言
3.2 背景建模
3.2.1 混合高斯模型
3.2.2 核密度估计方法
3.2.3 主成分分析方法
3.3 基于马尔科夫随机场的背景模型
3.3.1 似然概率模型的建立
3.3.2 先验概率模型的建立
3.3.3 参数学习与设定
3.3.4 背景初始化与更新
3.4 基于PCNN视觉推断模型的求解
3.5 数据集实验结果
3.6 在铁路线路异物检测中的应用
3.6.1 总体结构
3.6.2 基于FPGA与嵌入式系统的硬件处理平台
3.6.3 基于单目视觉的异物检测
3.7 在高速铁路护栏完整性检测中的应用
3.7.1 总体结构
3.7.2 护栏完整性检测
3.7.3 实验结果
3.8 本章小结
4 基于PCNN视觉推断模型的立体匹配算法
4.1 引言
4.2 立体匹配
4.2.1 视差空间
4.2.2 局部匹配算法
4.2.3 全局匹配算法
4.3 基于马尔科夫随机场的立体匹配模型
4.3.1 基于ICM的似然概率
4.3.2 先验概率
4.4 基于视觉推断模型的求解
4.5 数据集实验结果
4.6 在铁路线路异物检测中的应用
4.7 本章小结
5 总结与展望
参考文献
作者简历
学位论文数据集