首页 > 文献资料
-
基于神经元颜色拮抗与动态编码的轮廓检测方法
基于神经元的颜色拮抗特性及神经元群体的动态编码机制,实现对图像的轮廓检测.模拟视皮层下神经元的颜色单拮抗特性,引入单拮抗感受野的动态调节机制,以充分响应颜色边界和亮度边界;利用单细胞的树突极性分布,构建初级视皮层的双拮抗神经元网络,实现对特定方位的视觉刺激响应,有效提取目标轮廓;在神经元的群体感受野内,考虑神经元的动态突触连接,融合单细胞的脉冲频率响应,实现对纹理信息的抑制作用.以BSDS500图库的图像为实验对象,结果显示该方法在提取主体轮廓的过程中能有效抑制纹理信息,其对100幅图像佳检测结果的P值指标均值和标准差为0.58±0.04,相对CORF和CO等其他对比方法,可提高轮廓提取的准确率.所提出方法可有效实现图像的轮廓检测,为利用颜色信息以及神经元之间的动态编码、实现更高级皮层的图像理解或者视觉认知提供新的思路.
-
基于视通路多感受野朝向性关联的轮廓检测方法
基于视通路中各层次的感受野特性以及层次间感受野的关联特性,提出一种图像轮廓检测新方法.根据神经元的放射状树突接收特性,构建检测空间差异性信息的视网膜神经元网络,对轮廓信息进行前级编码;建立LGN细胞的非经典感受野调节机制,结合感受野的层次变换特性,对前级编码结果进行全局调节;提出简单细胞的多感受野朝向性关联模型,模拟初级视皮层简单细胞的方向选择特性;融合多个方向上的轮廓响应,经过非极大值抑制和阈值处理,得到轮廓检测结果.以RuG图库40幅图片为实验对象,检测结果与基准轮廓图的平均P指标为0.43,结果显示该方法能够有效凸显主体轮廓,强化轮廓与纹理边缘的区分度.利用多感受野的层次关联特性,实现图像轮廓信息的编码与检测应用,为研究高级视皮层的图像理解和视觉认知提供新的思路.
-
结合对比度适应与侧抑制信息关联的轮廓检测方法
目的 基于视通路中广泛存在的对比度适应特性,结合侧抑制信息关联机制,提出了一种图像轮廓检测的新方法.方法 根据对比度敏感的神经元响应和初级视皮层的方向选择特性,构建对比度适应、方向敏感的感受野,检测视觉信息中的差异性并将视觉信息映射携带有轮廓强度信息的感受野响应;建立LGN与V1侧抑制信息关联机制的数学模型,并计算LGN非经典感受野与经典感受野视觉输入的差异性,对V1非经典感受野的侧抑制强度进行全局调控,实现对无关纹理信息的抑制.结果 以RuG图库的图像作为本文的实验对象,由检测结果可见,与人工基准图的平均P指标为0.48,凸显出本文算法保护真实轮廓,抑制纹理噪声的优越性能.结论 本文结合对比度适应与侧抑制关联机制实现了对图像显著轮廓的检测,为后续的高级皮层的视觉认知任务提供了一种新思路.
-
基于主视通路层级响应模型的轮廓检测方法
目的 提出一种主视通路信息流层级传递和响应的新模型用于检测图像轮廓的新方法.方法 以RuG图库40幅图片为实验对象,利用非下采样轮廓波变换模拟外侧膝状体(lateral geniculate nucleu,LGN)对视觉信息的频域分离作用;构建LIF神经元网络模型来表达视觉神经系统中的电生理活动,通过CRF机制整合空间信息;同时,利用局部半波整流的高斯差函数来模拟nCRF的全局调节机制.有朝向性地将多个LGN细胞感受野进行关联.同时构建皮层下视通路来模拟它对于主视通路进行视觉信息处理的协同作用.然后,经过非极大值抑制和阈值处理,得到本文轮廓检测结果.后将本文检测结果与3种经典方法(Noninh,SSC,ISO)的检测结果进行对比.结果 本方法的检测结果与基准轮廓图的平均P指标为0.46,大于经典的3种检测方法(P指标分别为0.36、0.40、0.42).结论 本文算法不仅对纹理和背景具有抑制的作用,而且能有效区分纹理强边缘和主体轮廓,获得较佳的效果.
-
基于形变模型的医学图像分割算法研究
结合形变模型和模糊C-均值(FCM)分割技术,提出了一种基于形变模型的医学图像解剖结构轮廓分割方法,在FCM分类的基础上,利用成员隶属函数定义一种模糊约束力并附加于形变模型的外部约束力中,在该种复合外部约束作用下,使形变模型能更好地收缩于解剖结构的轮廓.图像实验结果表明该方法的有效性和可行性.
