面向圖像處理應(yīng)用的生物視覺感知計算模型研究.pdf

1、在人類了解客觀世界的認(rèn)知功能中,視覺感知系統(tǒng)扮演了舉足輕重的作用,從神經(jīng)計算的角度對視覺感知系統(tǒng)進(jìn)行建模并應(yīng)用,對于信息技術(shù)以及人工智能技術(shù)的研究具有重要的意義。目前隨著神經(jīng)系統(tǒng)研究手段的完善,使人們得以窺探到視覺信息流的檢測、傳遞以及初步編碼的過程。但研究者更多從神經(jīng)生理的角度,去研究和分析視覺感知系統(tǒng)的新特性。而本文嘗試?yán)蒙镆曈X感知的一些重要特性,進(jìn)行圖像處理的實際應(yīng)用。本文首先構(gòu)建級聯(lián)雙穩(wěn)態(tài)模型以及陣列級聯(lián)FitzHugh-N

2、agumo(FHN)神經(jīng)元模型,利用一定強(qiáng)度的噪聲能夠增強(qiáng)弱信號感知的生物視覺特性,解釋隨機(jī)共振機(jī)制在視覺感知系統(tǒng)功能中所扮演的重要角色;其次提出基于方向響應(yīng)的Integrate-and-Fire(IF)神經(jīng)元模型,嘗試?yán)靡曈X感知的方向選擇特性以及神經(jīng)脈沖編碼機(jī)制,并以圖像邊緣檢測應(yīng)用為例,解釋視覺感知方向敏感特性及脈沖發(fā)放特性在視覺感知中所扮演的關(guān)鍵角色;最后本文以低劑量肺部CT圖像為例,進(jìn)行了圖像增強(qiáng)的隨機(jī)共振機(jī)制,以及圖像邊緣檢

3、測的神經(jīng)元方向敏感特性的實際應(yīng)用。本文主要工作和研究成果如下:
　　(1)提出了一種基于級聯(lián)雙穩(wěn)態(tài)模型的弱信號隨機(jī)共振增強(qiáng)新方法。研究了級聯(lián)雙穩(wěn)態(tài)模型對于一維模擬信號的隨機(jī)共振響應(yīng),給出了利用定量評價指標(biāo)選取模型最優(yōu)參數(shù)的方法;采用光柵掃描法實現(xiàn)二維圖像的降維,解決了圖像增強(qiáng)中行-列級聯(lián)雙穩(wěn)態(tài)模型的輸入維數(shù)問題,給出了圖像增強(qiáng)應(yīng)用的思路和實現(xiàn)步驟。實驗結(jié)果表明新方法具有低通濾波特性,能夠有效去除信號峰值處的毛刺,凸顯信號的輪廓。<

4、br>　　(2)在級聯(lián)特性的基礎(chǔ)上,考慮了視覺皮層神經(jīng)元在信息流傳遞和處理中的陣列特性,提出了一種基于陣列級聯(lián) FHN神經(jīng)元模型的弱信號隨機(jī)共振增強(qiáng)新方法。研究了陣列級聯(lián)FHN神經(jīng)元模型對于一維含噪信號的隨機(jī)共振響應(yīng),綜合應(yīng)用光柵掃描和Hilbert掃描降維方法,有效保留了圖像的空間結(jié)構(gòu)相關(guān)特性,給出了應(yīng)用于二維圖像增強(qiáng)的基本思路。新方法充分利用了陣列級聯(lián) FHN模型以及噪聲之間的協(xié)同作用。實驗結(jié)果表明:新方法使輸出信號更加光滑,信號輪

5、廓與細(xì)節(jié)得到了加強(qiáng),噪聲在一定程度上得到了有效的抑制,且對內(nèi)噪聲強(qiáng)度具有較強(qiáng)的魯棒性和自適應(yīng)性。
　　(3)針對視覺感知中神經(jīng)元響應(yīng)具有的激勵方向選擇特性,提出了一種圖像邊緣檢測的新方法。提出對圖像進(jìn)行Log-Gabor濾波器多方向分解,以充分反映視覺系統(tǒng)的方向選擇性;并利用IF神經(jīng)元模型的脈沖發(fā)放以及編碼特性,實現(xiàn)低劑量肺部CT圖像的邊緣檢測。實驗結(jié)果表明:與傳統(tǒng)的圖像邊緣檢測方法相比,新方法能夠豐富圖像的細(xì)節(jié),改善圖像的邊緣特