本文主要研究内容
作者张明琦（2019）在《面向图像处理应用的视觉神经计算模型研究》一文中研究指出：生物视觉系统在处理外界信息方面具有超凡的能力,研究视觉感知机制对于构建高效的视觉神经计算模型,并将其应用于图像处理任务具有重要的意义。本文以轮廓检测和医学图像分割应用为例展开研究,首先考虑了视网膜、外膝体和初级视皮层之间信息处理的联系方式,从整体角度出发,构建了基于视通路视觉感知机制的轮廓检测模型;其次模拟大脑内神经网络对于视觉信息的处理机制,提出了基于卷积神经网络的轮廓检测模型,构建了特征金字塔解码模块来有效提高轮廓检测的效果;最后以具体的肝脏肿瘤分割为应用,将用于轮廓检测的卷积神经网络模型迁移至分割任务。本文的主要研究工作如下:(1)研究了初级视通路中视觉信息传递和处理加工过程,提出了一种基于视觉感知机制的轮廓检测新方法。首先利用高斯导函数提取初级轮廓响应;接着构建时空编码神经元模型提高主体轮廓对比度;然后利用非经典感受野的侧抑制作用抑制纹理背景;最后提出了信息冗余度增强编码机制以及视觉信息前馈机制,达到轮廓的完整性融合。以RuG40图库作为实验对象,在整个数据集上的最优平均尸指标和每张图像的最优平均尸指标分别为0.48和0.55,运行速度FPS达到0.5,相比于其他算法,本文方法在检测效果和检测速度上均有明显的优势。(2)通过对卷积神经网络模型在轮廓检测方面的研究,发现不同等级的卷积特征对于提高轮廓检测效果具有很大的作用,因此提出了一种基于特征金字塔解码的轮廓检测模型。首先用ResNet作为图像特征提取器,然后利用特征金字塔解码网络逐层对ResNet提取的特征进行解码,通过结合图像的高层语义信息,能够抑制纹理噪声。最后利用高斯模糊函数对真值标签进行了一定程度的模糊来改善标注问题。所提出的方法在BSDS500数据集上的AP指标达到了0.865,在NYUD数据集上的OI5指标达到了0.775,取得了较好的检测效果。(3)开展了深度卷积神经网络计算模型在医学图像处理方面的研究。以LiTS-Liver Tumor Segmentation Challenge中的肝脏肿瘤分割为具体应用,针对图像分割模型的特点,对基于卷积神经网络的轮廓检测模型进行了针对性的修改,在输出层中将sigmod激活函数替换为softmax激活函数,实现了二分类向多分类的拓展;另外考虑到分割目标数量不平衡的问题,利用带权重的交叉熵函数作为模型的损失函数。实验结果表明本文模型在分割效果上优于其他经典分割模型。
Abstract
sheng wu shi jiao ji tong zai chu li wai jie xin xi fang mian ju you chao fan de neng li ,yan jiu shi jiao gan zhi ji zhi dui yu gou jian gao xiao de shi jiao shen jing ji suan mo xing ,bing jiang ji ying yong yu tu xiang chu li ren wu ju you chong yao de yi yi 。ben wen yi lun kuo jian ce he yi xue tu xiang fen ge ying yong wei li zhan kai yan jiu ,shou xian kao lv le shi wang mo 、wai xi ti he chu ji shi pi ceng zhi jian xin xi chu li de lian ji fang shi ,cong zheng ti jiao du chu fa ,gou jian le ji yu shi tong lu shi jiao gan zhi ji zhi de lun kuo jian ce mo xing ;ji ci mo ni da nao nei shen jing wang lao dui yu shi jiao xin xi de chu li ji zhi ,di chu le ji yu juan ji shen jing wang lao de lun kuo jian ce mo xing ,gou jian le te zheng jin zi da jie ma mo kuai lai you xiao di gao lun kuo jian ce de xiao guo ;zui hou yi ju ti de gan zang zhong liu fen ge wei ying yong ,jiang yong yu lun kuo jian ce de juan ji shen jing wang lao mo xing qian yi zhi fen ge ren wu 。ben wen de zhu yao yan jiu gong zuo ru xia :(1)yan jiu le chu ji shi tong lu zhong shi jiao xin xi chuan di he chu li jia gong guo cheng ,di chu le yi chong ji yu shi jiao gan zhi ji zhi de lun kuo jian ce xin fang fa 。shou xian li yong gao si dao han shu di qu chu ji lun kuo xiang ying ;jie zhao gou jian shi kong bian ma shen jing yuan mo xing di gao zhu ti lun kuo dui bi du ;ran hou li yong fei jing dian gan shou ye de ce yi zhi zuo yong yi zhi wen li bei jing ;zui hou di chu le xin xi rong yu du zeng jiang bian ma ji zhi yi ji shi jiao xin xi qian kui ji zhi ,da dao lun kuo de wan zheng xing rong ge 。yi RuG40tu ku zuo wei shi yan dui xiang ,zai zheng ge shu ju ji shang de zui you ping jun shi zhi biao he mei zhang tu xiang de zui you ping jun shi zhi biao fen bie wei 0.48he 0.55,yun hang su du FPSda dao 0.5,xiang bi yu ji ta suan fa ,ben wen fang fa zai jian ce xiao guo he jian ce su du shang jun you ming xian de you shi 。(2)tong guo dui juan ji shen jing wang lao mo xing zai lun kuo jian ce fang mian de yan jiu ,fa xian bu tong deng ji de juan ji te zheng dui yu di gao lun kuo jian ce xiao guo ju you hen da de zuo yong ,yin ci di chu le yi chong ji yu te zheng jin zi da jie ma de lun kuo jian ce mo xing 。shou xian yong ResNetzuo wei tu xiang te zheng di qu qi ,ran hou li yong te zheng jin zi da jie ma wang lao zhu ceng dui ResNetdi qu de te zheng jin hang jie ma ,tong guo jie ge tu xiang de gao ceng yu yi xin xi ,neng gou yi zhi wen li zao sheng 。zui hou li yong gao si mo hu han shu dui zhen zhi biao qian jin hang le yi ding cheng du de mo hu lai gai shan biao zhu wen ti 。suo di chu de fang fa zai BSDS500shu ju ji shang de APzhi biao da dao le 0.865,zai NYUDshu ju ji shang de OI5zhi biao da dao le 0.775,qu de le jiao hao de jian ce xiao guo 。(3)kai zhan le shen du juan ji shen jing wang lao ji suan mo xing zai yi xue tu xiang chu li fang mian de yan jiu 。yi LiTS-Liver Tumor Segmentation Challengezhong de gan zang zhong liu fen ge wei ju ti ying yong ,zhen dui tu xiang fen ge mo xing de te dian ,dui ji yu juan ji shen jing wang lao de lun kuo jian ce mo xing jin hang le zhen dui xing de xiu gai ,zai shu chu ceng zhong jiang sigmodji huo han shu ti huan wei softmaxji huo han shu ,shi xian le er fen lei xiang duo fen lei de ta zhan ;ling wai kao lv dao fen ge mu biao shu liang bu ping heng de wen ti ,li yong dai quan chong de jiao cha shang han shu zuo wei mo xing de sun shi han shu 。shi yan jie guo biao ming ben wen mo xing zai fen ge xiao guo shang you yu ji ta jing dian fen ge mo xing 。
论文参考文献
论文详细介绍
论文作者分别是来自杭州电子科技大学的张明琦，发表于刊物杭州电子科技大学2019-05-13论文，是一篇关于视觉感知机制论文,视通路论文,卷积神经网络论文,轮廓检测论文,图像分割论文,杭州电子科技大学2019-05-13论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自杭州电子科技大学2019-05-13论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：视觉感知机制论文; 视通路论文; 卷积神经网络论文; 轮廓检测论文; 图像分割论文; 杭州电子科技大学2019-05-13论文;