視覺感知模型與編碼算法研究.pdf

1、視覺感知與編碼是神經(jīng)計(jì)算科學(xué)研究的基本問題之一，其主要任務(wù)是以神經(jīng)生理學(xué)和認(rèn)知科學(xué)的研究成果為基礎(chǔ)，模擬人類視覺信息處理的神經(jīng)模式，從計(jì)算的角度研究新的計(jì)算原理和視覺信息處理系統(tǒng)。視覺信息處理機(jī)制和計(jì)算原理的研究不僅對(duì)揭示神經(jīng)計(jì)算原理、建立新型計(jì)算模型具有重要的理論意義，而且對(duì)推動(dòng)新型信息技術(shù)的發(fā)展，如人工視覺系統(tǒng)、失明患者的視覺功能修復(fù)、機(jī)器認(rèn)知、新型人機(jī)交互模式等也具有重要而積極的作用。另外，在模式識(shí)別、身份驗(yàn)證、安全監(jiān)控、智能的人

2、機(jī)交互界面等領(lǐng)域也有廣泛的應(yīng)用前景。 本文從稀疏編碼的思想出發(fā)，以自然圖像或序列作為訓(xùn)練數(shù)據(jù)，學(xué)習(xí)初級(jí)視皮層中簡(jiǎn)單細(xì)胞和復(fù)雜細(xì)胞的時(shí)空感受野及其自組織拓?fù)鋱D，進(jìn)而在較高級(jí)視皮層層次構(gòu)建視覺感知模型來感知外界圖像刺激中的內(nèi)容信息、平移、旋轉(zhuǎn)、縮放等運(yùn)動(dòng)和變換信息。本文的主要貢獻(xiàn)和創(chuàng)新點(diǎn)體現(xiàn)在以下幾個(gè)方面： 為表征自然圖像的統(tǒng)計(jì)特性，引入獨(dú)立分量分析方法，以線性生成模型作為表征模型，從自然圖像中學(xué)習(xí)圖像基函數(shù)，這些基函數(shù)具有

3、局部化、朝向性及帶通濾波性，與神經(jīng)生理實(shí)驗(yàn)發(fā)現(xiàn)的初級(jí)視皮層簡(jiǎn)單細(xì)胞和復(fù)雜細(xì)胞的感受野特征類似。由此得到的獨(dú)立分量系數(shù)可作為神經(jīng)元的響應(yīng)，其概率分布滿足稀疏性和超高斯分布，通過引入相鄰神經(jīng)元響應(yīng)的二階相關(guān)性，推導(dǎo)出基于自然梯度的自組織學(xué)習(xí)算法NGTICA，從自然圖像中學(xué)習(xí)得到簡(jiǎn)單細(xì)胞感受野的空間拓?fù)浣Y(jié)構(gòu)。 針對(duì)提取時(shí)空特征問題，提出一個(gè)基于視皮層不變性表示的時(shí)空特征提取模型。對(duì)NGTICA學(xué)習(xí)算法進(jìn)行擴(kuò)展，得到適用于該模型的時(shí)空基

4、函數(shù)學(xué)習(xí)算法STICA。該模型可從具有時(shí)空結(jié)構(gòu)的自然圖像序列和視頻序列中提取相應(yīng)的平移、旋轉(zhuǎn)、尺度變化、視角變化等時(shí)空特征。進(jìn)一步研究了以這些時(shí)空特征作為復(fù)雜細(xì)胞感受野時(shí)，神經(jīng)元的響應(yīng)具有稀疏性和超高斯性。 為感知外界刺激中的內(nèi)容和平移運(yùn)動(dòng)信息，我們對(duì)視覺系統(tǒng)中的what和where通路建模，提出了一個(gè)三層的內(nèi)容與平移運(yùn)動(dòng)感知模型，并給出內(nèi)容感知算法OPA和平移感知算法TPA。初步的實(shí)驗(yàn)結(jié)果表明，用理想刺激加入不同噪聲生成外界刺

5、激，該模型可以感知到其中的朝向信息及平移運(yùn)動(dòng)方向和運(yùn)動(dòng)速度等。提出的感知模型及感知算法具有良好的魯棒性。 提出一個(gè)旋轉(zhuǎn)運(yùn)動(dòng)感知模型，用于解決刺激序列中的旋轉(zhuǎn)變換信息感知問題。以神經(jīng)元響應(yīng)的相關(guān)度作為不變性衡量指標(biāo)，提出了旋轉(zhuǎn)運(yùn)動(dòng)感知算法RPA。通過深入研究，我們把該模型提升為一個(gè)運(yùn)動(dòng)感知的泛化模型。當(dāng)給定不同的運(yùn)動(dòng)時(shí)空基函數(shù)作為神經(jīng)元的感受野，該泛化模型就可以特化為感知某種運(yùn)動(dòng)信息的模型。 人臉視角估計(jì)是人臉識(shí)別任務(wù)中的

6、一個(gè)重要預(yù)處理步驟。為解決人臉視角估計(jì)問題，我們從視覺感知機(jī)理出發(fā)，提出一個(gè)全新的基于獨(dú)立分量分析的人臉視角感知模型。首先將STICA學(xué)習(xí)算法應(yīng)用到多視角人臉數(shù)據(jù)集，得到多視角人臉基函數(shù)，作為神經(jīng)元感受野。應(yīng)用神經(jīng)元發(fā)放率統(tǒng)計(jì)方法，提出入臉視角感知算法，并得到較好的感知實(shí)驗(yàn)結(jié)果。對(duì)神經(jīng)元的響應(yīng)進(jìn)一步分析發(fā)現(xiàn)，對(duì)不同視角的人臉刺激，神經(jīng)元的響應(yīng)在高維空間中具有流形結(jié)構(gòu)。這一結(jié)果為感知算法的成功應(yīng)用奠定了良好的理論基礎(chǔ)?？紤]到人臉圖像受光照