基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的視覺(jué)推斷模型理論與應(yīng)用研究.pdf

1、近些年來(lái)，我國(guó)高速鐵路快速發(fā)展，列車(chē)運(yùn)行速度不斷加快。隨著高速鐵路列車(chē)運(yùn)行速度的大幅提高，運(yùn)營(yíng)安全的保障顯得更為重要。在影響列車(chē)運(yùn)行安全的因素中，線路異物侵入限界，災(zāi)害或人為因素等導(dǎo)致的線路破壞等情況，由于其具有較強(qiáng)的隨機(jī)性，目前還沒(méi)有有效的監(jiān)測(cè)和防范方法?；谝曨l監(jiān)控的監(jiān)測(cè)方法是目前對(duì)這些情況比較有效的方法，但是目前的鐵路線路視頻監(jiān)控或基于視頻圖像的檢測(cè)系統(tǒng)大都無(wú)法做到計(jì)算機(jī)自動(dòng)識(shí)別。這主要是受目前計(jì)算機(jī)視覺(jué)技術(shù)的制約。雖然近年來(lái)計(jì)算

2、機(jī)視覺(jué)技術(shù)有了較大的發(fā)展，但是距離其使計(jì)算機(jī)實(shí)現(xiàn)人類(lèi)視覺(jué)功能的最終目標(biāo)還有很大差距。目前，借鑒生物視覺(jué)系統(tǒng)的研究成果來(lái)解決計(jì)算機(jī)視覺(jué)問(wèn)題已經(jīng)成為一個(gè)研究方向。最近，在生物視覺(jué)系統(tǒng)和計(jì)算機(jī)視覺(jué)系統(tǒng)中馬爾科夫隨機(jī)場(chǎng)上的貝葉斯推斷方法都受到了廣泛重視，在計(jì)算機(jī)視覺(jué)領(lǐng)域貝葉斯推斷方法可以精確求解許多實(shí)際視覺(jué)問(wèn)題，但是其求解存在困難，現(xiàn)有方法需要消耗大量時(shí)間，無(wú)法應(yīng)用于實(shí)時(shí)處理系統(tǒng)中。在生物視覺(jué)領(lǐng)域，貝葉斯推斷理論可以很好地解釋許多生物視覺(jué)的發(fā)現(xiàn)

3、，說(shuō)明大腦在處理視覺(jué)信息時(shí)采用了類(lèi)似的機(jī)制。并且大腦可以快速地對(duì)視覺(jué)信息進(jìn)行處理和推斷，這說(shuō)明基于神經(jīng)網(wǎng)絡(luò)的并行結(jié)構(gòu)可以快速地實(shí)現(xiàn)貝葉斯推斷。但是貝葉斯推斷的神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)機(jī)制尚不明確。基于這些問(wèn)題本文以高速鐵路線路狀態(tài)視覺(jué)檢測(cè)為背景，針對(duì)線路狀態(tài)視覺(jué)檢測(cè)中的兩個(gè)核心問(wèn)題:前景提取和立體匹配，分別提出了兩種新的基于貝葉斯推斷框架的算法。并建立了可以實(shí)現(xiàn)馬爾科夫隨機(jī)場(chǎng)上貝葉斯推斷的脈沖耦合神經(jīng)網(wǎng)絡(luò)，為求解貝葉斯推斷問(wèn)題和揭示生物視覺(jué)系統(tǒng)實(shí)現(xiàn)

4、貝葉斯推斷提供一種手段。
　　本文首先提出了一種具有較高生物視覺(jué)相似性的求解貝葉斯推斷的神經(jīng)網(wǎng)絡(luò)模型，可以實(shí)現(xiàn)一般馬爾科隨機(jī)場(chǎng)上的貝葉斯推斷計(jì)算，稱(chēng)為神經(jīng)視覺(jué)推斷模型。該網(wǎng)絡(luò)本質(zhì)上是一個(gè)脈沖耦合神經(jīng)網(wǎng)絡(luò)，模型以Leaky Integrate-and-Fire(LIF)神經(jīng)元為基本單元，采用脈沖作為表示和傳遞信息的方式，神經(jīng)元之間通過(guò)脈沖進(jìn)行耦合。神經(jīng)視覺(jué)推斷模型的貝葉斯推斷的計(jì)算原理是基于“信任傳遞”算法。通過(guò)神經(jīng)網(wǎng)絡(luò)直接實(shí)現(xiàn)“信

5、任傳遞”算法，本文研究了實(shí)現(xiàn)“信任傳遞”算法的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，該網(wǎng)絡(luò)包含信任神經(jīng)元和消息神經(jīng)元，分別實(shí)現(xiàn)信任和消息的計(jì)算。網(wǎng)絡(luò)采用基于平均脈沖頻率的群體編碼表示信任和消息，神經(jīng)元組之間采用固定概率的隨機(jī)群體連接。仿真實(shí)驗(yàn)表明該模型可以有效地實(shí)現(xiàn)馬爾科夫隨機(jī)場(chǎng)上的貝葉斯推斷。
　　其次，本文在建立神經(jīng)視覺(jué)推斷模型基礎(chǔ)上針對(duì)高速鐵路線路狀態(tài)視覺(jué)檢測(cè)中兩個(gè)核心問(wèn)題:前景提取和立體匹配，分別提出了基于馬爾科夫隨機(jī)場(chǎng)上貝葉斯推斷框架的算法。在

6、前景提取方面，本文指出了鐵路線路異物檢測(cè)的核心問(wèn)題是前景提取及背景建模。進(jìn)而提出了采用貝葉斯推斷框架求解前景提取問(wèn)題的方法。提出了一種新的基于馬爾科夫隨機(jī)場(chǎng)的背景建模的似然概率模型，和一種結(jié)合短期和長(zhǎng)期背景更新機(jī)制的背景更新方法。本文利用廣泛使用的測(cè)試數(shù)據(jù)集中的視頻對(duì)算法進(jìn)行了測(cè)試并與最新發(fā)表的算法結(jié)果進(jìn)行了比較，本文提出的算法取得了較好的前景提取效果，并比目前最新算法的提取效果有所提高。在立體匹配算法方面，本文提出了一種基于馬爾科夫隨

7、機(jī)場(chǎng)的匹配方法。該方法利用交叉皮層模型(ICM)建立似然概率模型，并利用視覺(jué)推斷模型進(jìn)行求解，模型充分利用了ICM的自動(dòng)波傳播等特性，取得了較好的匹配效果。本文采用常用的測(cè)試圖像對(duì)算法進(jìn)行了測(cè)試，結(jié)果表明本文算法可以較好地實(shí)現(xiàn)立體匹配，效果好于其它基于神經(jīng)網(wǎng)絡(luò)的立體匹配方法。
　　最后，本文構(gòu)建了基于上述核心算法的高速鐵路線路狀態(tài)視覺(jué)檢測(cè)系統(tǒng)。包括線路異物監(jiān)測(cè)系統(tǒng)和護(hù)欄完整性檢測(cè)系統(tǒng)。介紹了系統(tǒng)的組成、結(jié)構(gòu)和檢測(cè)方法等。給出了檢測(cè)