文档介绍：摘要图像理解研究利用计算机系统解释图像,实现类似人类或其他高等生物视觉系统理解外部世界的行为,是当前计算机领域的研究热点和难点。图像理解与计算机视觉都在于研究并体现具有与人类视觉认知水平相当的能力,因此从人类视觉感知系统出发研究图像理解过程具有重要的理论意义和应用前景。事实证明图像理解所具有的显著层次分析结构与视觉系统的层次化感知机制是高度一致的,对视觉感知系统的结构和功能的理解及其数学模型的建立是扩充和发展现有图像理解方法的一种重要手段和根本出发点。本文从图像理解与计算机视觉以及认知学之间的关系入手,以视觉认知的生理学和心理学研究成果为依据,以视觉信息的表示、学习和理解为研究主线,重点分析了视觉层次感知机制及其计算模型,结合相关视皮层的重要结构和功能机理,研究并构建了基于视觉层次感知机制的图像理解框架,完成了视觉分割、轮廓检测、广义目标识别以及场景分类等不同层次的图像攀隽送枷窭斫獾姆⒄估贰⒀芯肯肿醇捌洳愦谓峁固氐悖樯芰耸泳醪愦胃兄O低车生理学构造、功能特点及相关研究成果,总结了基于视觉层次感知机制的计算模型,指出了视觉感知系统中存在的若干重要结构和功能机理,分析了图像理解与视觉感知系统之间的关系,提出了基于视觉层次感知机制的图像理解研究框架。芯苛送枷窭斫獾牡筒闾卣髅枋龇椒ǎ攵圆噬枷竦姆指钗侍猓ü乖旆植闾卣髅述了具有视觉感知一致性的图像区域,,结合一定的区域合并策略,构建了层次化的视觉感知分割模型。以视皮层的拓扑连接为依据,进一步研究了图像理解的低层视觉描述,通过分析神经元之间的侧抑制与拓扑连接关系及其视觉形成机理,在原始自适应共振模型中引入了拓扑结构及其自组织学习策略,建立了具有拓扑保持特性的自适应共振模型,形成了拓扑保持结构下的低层视觉属性描述,实现了视觉目标的轮廓检测以及区域分割。以图像理解的中层结构信息表示方法为基础,分析了相关视皮层目标识别计算模型,有效利用初级视觉系统的信息抽象方法和稀疏编码机制,形成了视皮层目标识别计算模型中目标原型的稀疏化表示,提出了复杂背景下基于稀疏编码机制的层次化广义目标识别算法。以图像理解的高层视觉认知过程为背景,在理解场景的全局快速感知效应的基础上,分析了场景感知表示的快速形成机理,研究了视皮层的层内快速反馈动力学特性及其与场景整体感知之间的关系,构建了基于视皮层组织的场景全局感知计算模型,实现了有效地场景分类算法。关键词:图像理解:视觉层次感知机制;视觉分割;广义目标识别;场景分类理解任务。本文的主要工作如下:
知识水坝***@pologoogle为您整理
.,瓵琣,瑃.:琭仃....
知识水坝***@pologoogle为您整理
ⅲ瞘,瑃,:甌甎.—,籋;;籗琣.,.
⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.表警戒参数与类别数之间的关系⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯表分类正确率比较卣魇课表区域分割情况⋯⋯⋯⋯⋯⋯...⋯⋯⋯...⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯表分割区域评价⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯表各种方法的平均分类性能⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯
⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。和对原始数据集的聚类⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图原始彩色图像⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图风固定为且岛变化时的分割结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图淙肽J叫蛄小虶算法流程图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯虶算法对圆环数据的拟合⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图肷菁疢值变化图芯磕谌葜涞墓叵低际尽图论文各章的关系结构图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..图视觉感知系统的复杂结构图视觉通路的层次结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..图叶韧枷瘛图局部对比度图像⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..图植刻荻韧枷瘛图交ǖ魍枷瘛图恍蕴卣魍枷瘛图P汀图同一性特征的直方图分布⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图交ǖ魈卣鞯闹狈酵挤植肌图惴ǹ蚣苁疽馔肌纪枷瘛图与算法分割结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图庸潭ㄎ狾./业罕浠钡姆指罱峁灸P汀图车牌字符⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.馐越峁瓹测试结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图输入模式盕测试结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯~P汀P偷乃惴ㄊ迪帧虵栽际菁木劾唷