学位论文 > 优秀研究生学位论文题录展示
基于生物视觉感知模型的目标识别
作 者: 江梅
导 师: 刘传才
学 校: 南京理工大学
专 业: 模式识别与智能系统
关键词: 生物视觉模型 简单细胞的建模 目标识别 视觉显著
分类号: TP391.41
类 型: 硕士论文
年 份: 2011年
下 载: 140次
引 用: 0次
阅 读: 论文下载
内容摘要
生物的视觉系统是个非常复杂的串行与并行相结合并不断进行信息融合的信息处理过程。模拟生物视觉系统来进行目标的分类识别是计算机视觉领域一个新的研究领域,并具有广泛的应用前景。因为生物视觉的复杂性,很多视觉系统的处理过程仍是一个谜题。本文针对灵长类动物大脑视皮层中快速识别的前馈路径,对模拟此过程的生物视觉标准模型展开一系列的研究,主要工作如下:首先介绍了生物视觉处理信息过程中各阶段的理论知识,视皮层V1层简单细胞的模拟建模方法,包括Gabor滤波器和图像基函数ICA的表示方法。在自然图像的实验基础上,证实两者与生物视觉皮层简单细胞的感受野特征存在着一定的联系。其次,在深入分析HMAX模型和改进Serre标准模型基础上,介绍了Serre标准模型中的各个层次的原理以及具体的实现方法。选取图像数据库Caltech 101中的三个类别做实验,实验说明不同图像模板大小对识别率的影响。此外,在分类器选择中选用AdaBoost与SVM两种,对它们性能做了对比实验分析。最后,指出了Serre标准模型中的二个不合理之处。第一个尝试是引入视觉注意机制来解决Serre标准模型训练过程中随机选择模板的问题,通过在显著图中寻找模板来选择能够代表目标的有效信息,从而降低背景对提取模板时的影响,提高了模型的识别能力。通过单目标识别实验,证实了改进后的生物视觉模型具有更好的学习能力,能够在训练图像较少的情况下,获得较为满意的分类识别率。Serre标准模型的第二个不合理之处是只能执行分类,不能对目标定位。S2层输出响应的局部极大值单元则是代表着与目标形状最相符的图像块,通过选择局部最大值来定位图像目标部分,能够更准确地进行目标定位。
|
全文目录
摘要 3-4 Abstract 4-7 1 引言 7-14 1.1 选题的科学意义与研究背景 7 1.2 目标分类识别相关方法的模型 7-10 1.2.1 目标识别的一般步骤 8-9 1.2.2 目标识别中的若干问题 9-10 1.3 生物视觉与计算机视觉的联系与区别 10-13 1.3.1 计算机视觉理论 10-11 1.3.2 生物视觉的研究和发展 11-12 1.3.3 视觉注意模型的研究和发展 12-13 1.4 论文的后续章节的安排 13-14 2 生物视觉的基本理论 14-30 2.1 生物视觉的机理以及理论 14-18 2.1.1 感受野假说 14-16 2.1.2 视觉皮层中的生理学基础 16-18 2.2 视皮层V1简单细胞的模拟建模 18-25 2.2.1 Gabor滤波器方法 19-21 2.2.2 图像的ICA基图像表示 21-25 2.3 实验与结果分析 25-29 2.3.1 实验过程 25-28 2.3.2 结果分析 28-29 2.4 本章小结 29-30 3 基于生物视觉模型的目标识别 30-48 3.1 生物视觉模型介绍 30-37 3.1.1 生物视觉模型的发展 30-31 3.1.2 Serre标准模型介绍 31-34 3.1.3 Serre模型算法实现 34-37 3.2 其他流行的识别算法以及与Serre模型的联系与区别 37-38 3.3 分类器选择 38-43 3.3.1 支持向量机SVM 38-41 3.3.2 Boosting分类器 41-43 3.4 目标分类识别实验 43-47 3.4.1 图像数据库介绍 43-44 3.4.2 实验与结果分析 44-47 3.5 本章小结 47-48 4 基于视觉显著的生物视觉模型改进 48-59 4.1 视觉注意机制理论 48-49 4.2 视觉显著模型简介 49-54 4.2.1 ITTI显著图模型 50-51 4.2.2 GBVS显著图模型 51-54 4.3 Serre模型改进实验 54-58 4.3.1 单目标识别实验 55-56 4.3.2 目标检测实验 56-58 4.4 本章小结 58-59 5 总结和展望 59-61 5.1 全文工作总结 59 5.2 未来期望 59-61 致谢 61-62 参考文献 62-65
|
相似论文
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 基于智能学习的多传感器目标识别与跟踪系统研究,TP391.41
- 红外超光谱图像的虚拟探测器研究,TP391.41
- 图像实时采集、存储与处理方法研究,TP391.41
- 空中目标抗干扰识别跟踪系统,TN215
- 红外图像目标识别及跟踪技术研究,TP391.41
- 水下目标特征的压缩与融合技术研究,TN911.7
- SAR成像目标识别子区选取与匹配方法研究,TN957.52
- 基于视觉注意与结构失真的图像质量评价方法研究,TP391.41
- 基于3G网络的智能交通视频监控系统的设计与实现,TP391.41
- 基于视频监控的特定目标识别研究,TP391.41
- 基于视频的动物运动跟踪分析系统及应用研究,TP391.41
- 基于空间邻域词袋模型的图像标注技术,TP391.41
- 高分辨率遥感图像目标识别方法研究,TP751
- 基于激光雷达的三维典型地面目标识别技术研究,TP391.41
- 运动目标识别视频监控系统设计与实现,TP391.41
- 水下机械手信息融合及作业规划研究,TP241
- 基于视觉系统的无人直升机自主降落,V279
- 基于ML_pLSA模型和特征包算法的目标识别方法,TP391.41
- 基于红外图像的服务器工况分类研究,TP393.05
- 基于红外成像的舰船目标识别技术研究,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|