学位论文 > 优秀研究生学位论文题录展示

视觉感知中特征捆绑建模方法的研究

作　者: 尹清
导　师: 李海芳
学　校: 太原理工大学
专　业: 计算机应用技术
关键词: 特征捆绑 脉冲耦合神经网络 脉冲发放强度 计算机建模
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 45次
引　用: 0次
阅　读: 论文下载
 

内容摘要


颜色和形状特征是图像的视觉感知特征中两个最基本的特征,而在视觉感知的研究中特征捆绑问题是一个中心问题。当人在观看图像时,大脑各区域如何分别感知各种特征并在知觉的过程中实现特征的捆绑从而形成感知对象的整体知觉,是近年来心理学领域研究的热点,目前已产生了些新的概念和理论。在计算机技术日新月异的今天,研究人类大脑对颜色和形状特征捆绑的神经机制,利用计算机建模技术,建立视觉特征捆绑的认知模型,模拟人类自身的认知系统,对于推动图像理解与检索具有重要的理论意义和学术价值。针对图像颜色和形状特征捆绑问题,本文主要工作如下：全面介绍了捆绑机制的理论和模型的研究现状,深入分析了脉冲耦合神经网络(PCNN)模型的构成、特性及在图像处理中的主要应用——图像分割和边缘检测。分析了图像分割和边缘检测与图像颜色和形状特征捆绑的关联,论证了应用PCNN解决特征捆绑问题的正确性和有效性。分析了传统脉冲耦合神经网络存在的问题,提出了一种基于强度的PCNN模型。在该模型中,通过计算模型中神经元邻域内脉冲发放总强度可以实现特征的表示,通过计算模型中神经元自身脉冲发放强度可以实现特征的捆绑。将模型应用在特征捆绑中并完成了模拟仿真实验。实验表明,该模型可以较好地实现特征的表示和捆绑,能够完成颜色和形状特征捆绑的任务为视觉感知中特征捆绑的进一步研究提供了一定的参考价值。功能磁共振成像fMRI(functional Magnetic Resonance Imaging)技术的特点是能够实时地监测到大脑特定区域的活动情况并能够达到高时空的分辨率。通过fMRI技术获取图像感知过程中的脑成像数据,将会更加的客观和科学。本文最后提出在今后的研究中,若将先进的fMRI技术应用到视觉感知特征捆绑的研究中,可以进一步揭示人脑的认知过程,为计算机图象处理颜色和形状特征捆绑提供了新的思路。

全文目录


摘要  3-5
ABSTRACT  5-9
第一章 绪论  9-13
  1.1 选题目的及意义  9-10
  1.2 国内外研究热点及现状  10-11
  1.3 本文的课题来源和主要工作  11-13
第二章 特征捆绑  13-27
  2.1 特征捆绑概述  13-14
  2.2 特征捆绑机制的认知理论  14-23
    2.2.1 绑定的特征整合理论  14-16
    2.2.2 绑定的双阶段理论  16-17
    2.2.3 位置的不确定理论  17-19
    2.2.4 多阶段整合理论  19-21
    2.2.5 特征绑定的神经元同步振荡理论  21-23
  2.3 特征捆绑的认知模型  23-27
    2.3.1 特征绑定的神经网络模型  23-25
    2.3.2 Bayesian Linking Field模型  25-27
第三章 脉冲耦合神经网络PCNN  27-43
  3.1 PCNN模型概述  27-33
    3.1.1 生物神经元  27-28
    3.1.2 神经元电信号发放的原理  28-29
    3.1.3 脉冲耦合神经元模型  29-31
    3.1.4 PCNN模型的特点  31-33
  3.2 PCNN模型的应用  33-36
    3.2.1 PCNN应用于图像边缘检测  34-35
    3.2.2 PCNN应用于图像分割  35
    3.2.3 PCNN应用于特征捆绑的可行性分析  35-36
  3.3 基于强度的PCNN模型  36-39
    3.3.1 神经元的脉冲发放强度  36-37
    3.3.2 基于强度的PCNN模型结构  37-38
    3.3.3 与传统PCNN模型的比较  38-39
  3.4 基于强度的PCNN应用于特征捆绑  39-42
    3.4.1 脉冲发放强度表示图像特征  39-41
    3.4.2 图像形状和颜色特征的捆绑  41-42
  3.5 本章小结  42-43
第四章 特征捆绑仿真实验  43-61
  4.1 实验工具选取  43
  4.2 实验过程介绍  43-44
  4.3 核心算法实现  44-47
    4.3.1 基于强度的PCNN模型在MATLAB中的算法实现  44-46
    4.3.2 脉冲发放总强度的算法实现  46-47
    4.3.3 算法中调用的MATLAB函数介绍  47
  4.4 特征捆绑实验设计  47-58
    4.4.1 图像特征的脉冲发放强度表示  47-52
    4.4.2 特征捆绑的脉冲发放强度表示  52-53
    4.4.3 特征捆绑实验图像选取  53-55
    4.4.4 特征表示实验及结果  55-56
    4.4.5 特征捆绑实验及结果  56-58
  4.5 实验结果分析  58-59
  4.6 本章小结  59-61
第五章 结论与展望  61-63
  5.1 主要工作及所得结论  61
  5.2 研究方向展望  61-63
参考文献  63-67
致谢  67-69
攻读学位期间发表的学术论文目录  69

相似论文

  1. AGV视觉导航系统的研究,TP242
  2. 低质量指纹识别方法研究,TP391.41
  3. 基于多尺度几何分析的图像融合算法研究,TP391.41
  4. 基于BLACKFIN的图像边缘检测算法,TP391.41
  5. 集装箱堆场智能算法研究,U691
  6. CT与MRI医学图像融合方法研究,TP391.41
  7. 脉冲耦合神经网络在图像分割和人脸检测中的应用研究,TP391.41
  8. 车轮在松软地面上滚动过程的仿真软件研制,TP391.72
  9. 刺激特征的不同捆绑方式对物体识别的影响,B842.3
  10. 空间注意对工作记忆特征捆绑影响的ERP研究,B842.3
  11. FGFR介导的MAPK信号通路的模型研究,Q2
  12. 视觉客体工作记忆中图形特征存储与捆绑的时程问题研究,B842.3
  13. 唐氏综合征产前筛查测试系统的研究与设计,TP399
  14. 空间数据分析的神经计算方法,P208
  15. 视觉特征捆绑的认知及神经机制研究,B842
  16. 视觉选择性注意与工作记忆的交互关系——认知行为与ERP的研究,B842
  17. 视觉工作记忆中图形特征的存储与捆绑问题研究,B842
  18. 甲状腺功能减退和糖尿病及视觉捆绑的脑功能成像研究,R587.1;R445
  19. 高分辨率成像声纳图像识别技术研究,TP391.41
  20. 生物信息的数字图像处理技术研究,Q811.4

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