基于生物视觉机理的图像表征方法研究

论文摘要

图像是人们获取外界信息的重要来源,也是进行信息交流的重要媒介。探寻高效的图像表征方法,对于深入开展图像处理和图像理解方面的研究具有重要的意义。同时,建立高效的图像表征模型对于进一步的探索高效的图像编解码方法、计算机视觉及基于图像的控制技术都具有重要的促进作用。目前一些常规的图像表征方法面临着图像信息数据量大、图像易受到噪声破坏以及缺乏自适应性等问题。针对这些问题,本文研究了基于生物视觉机理的图像表征方法。生物视觉系统经过长期进化具备非常优越的信息处理机制,能够高效的表征图像信息。本文模拟生物视觉系统对图像信息的处理机制,建立了基于生物视觉机理的图像表征模型。主要完成了以下工作：一、对图像信息在视觉通路的传递过程及视觉信息处理机理(感受野特性、稀疏性、同步振荡性等)进行了分析,为基于生物视觉机理的图像表征方法研究提供了生理学基础。二、初级视皮层(V1区)在视觉系统中主要负责提取图像的颜色、形状及方向等信息,在图像信息的处理整合中具有重要作用。本文分别通过ICA和拓扑ICA方法对图像数据进行训练,获得了V1区简单细胞和复杂细胞的感受野特性相一致的基函数,为模拟V1区信息处理机制高效表征图像奠定了基础。三、根据v1区稀疏性,研究了基于稀疏响应特性的图像表征方法,通过少量的神经元表征图像。并以对图像信息的有效表征基础,提出了一种基于生物视觉机理的图像去噪算法。将该算法应用于图像去噪实验,取得了良好的去噪效果,验证了该图像表征方法和去噪算法的有效性。四、在模拟初级视皮层对图像进行稀疏表示的基础上,引入同步振荡机制,构建了一个由预处理层、稀疏表示层、同步振荡层构成的三层图像表征模型。并将该模型应用于自然图像的压缩实验,验证了该基于生物视觉机理的图像表征模型的有效性和高效性。

论文目录

• 摘要
• Abstract
• 目录
• 图和附表清单
• 1 绪论
• 1.1 研究背景与意义
• 1.2 国内外研究现状
• 1.3 本文主要工作
• 1.4 本章小结
• 2 生物视觉系统及其信息处理机理
• 2.1 生物视觉系统概述
• 2.2 生物视觉信息处理机理
• 2.3 生物视觉机理的计算理论基础
• 2.3.1 有效编码假说
• 2.3.2 贝叶斯学习理论
• 2.3.3 自然图像及其统计特性
• 2.4 本章小结
• 3 简单细胞和复杂细胞感受野特性模拟
• 3.1 初级视皮层简单细胞感受野
• 3.1.1 ICA模型及学习规则
• 3.1.2 实验结果及分析
• 3.2 初级视皮层复杂细胞感受野
• 3.2.1 拓扑ICA模型及学习规则
• 3.2.2 实验结果及分析
• 3.3 本章小结
• 4 基于稀疏响应的图像表征模型及应用
• 4.1 基于稀疏响应的图像表征模型
• 4.2 基于生物视觉机理的图像去噪算法
• 4.2.1 图像去噪
• 4.2.2 稀疏编码收缩法
• 4.2.3 实验结果及分析
• 4.3 本章小结
• 5 基于同步振荡-稀疏编码的图像表征模型
• 5.1 同步振荡机制
• 5.2 基于同步振荡-稀疏编码的图像表征模型
• 5.2.1 模型功能描述
• 5.2.2 模型的算法实现
• 5.3 实验结果及分析
• 5.4 本章小结
• 6 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 个人简历、在学期间发表的学术论文与研究成果