基于視知覺機制的物體原型表征與應用.pdf

1、物體表征和識別是模仿人類視知覺能力的一個重要課題，但任務艱難。為了取得更好的效果，我們需要從人類的視知覺機制上有所借鑒。人類視知覺是源自于數(shù)億年的進化而產(chǎn)生的復雜系統(tǒng)。人工智能和計算機視覺領域在模擬人類視覺的應用（如物體識別）上，雖然在近年來取得了不少進展，但仍然難以同人類視知覺的能力相匹敵。這就需要我們從神經(jīng)生理學和認知心理學對人類視知覺機制的揭示中獲取靈感。
　　本文結合了認知心理學模式識別理論中的成分識別理論和視覺拓撲理論等

2、學說的觀點，設計出一種更符合人類認知原理的、更具有可理解性的原型表征和訓練框架:首先借鑒成分識別理論的觀點，從二維混合高斯函數(shù)出發(fā)，用高斯成分來擬合物體的邊緣圖像，使得物體的表征成分化;進而給出在兩幅訓練圖像之間匹配對應成分的算法，并以此為基礎，設計出從多個樣本圖中挖掘頻繁出現(xiàn)的成分和成分結構的聚類算法，從而將指定物體的樣本庫中的成分和成分結構信息融合到一個物體原型之中。不同于計算機視覺傳統(tǒng)的自底向上的識別方法，這種原型機制借鑒了視覺拓

3、撲理論，用圖或樹的結構描述了物體的大范圍拓撲或結構信息，因此被應用于識別時具備了更符合人類認知特性的自頂向下的知覺特征。
　　為了驗證原型的可理解性與是否更符合人類的認知特點，本文還在生成原型之后對其進行重構，即根據(jù)原型中所融合出的信息來反向構建出成分圖像，以給出一個可視化的訓練結果之表示。在原型建立完成后，還初步探索了原型在識別過程中的應用:從原型所重構出的模板圖像進行粗匹配，到考慮更高級的、帶有自頂向下的識別特點的成分層面之識