试议图像基于生物视觉感知机制图像理解技术

摘要5-7

ABSTRACT7-16

第一章 绪论16-29

1.1 探讨目的和作用16-17

1.2 探讨近况17-26

1.2.1 图像分割18-20

1.2.2 目标识别20-22

1.2.3 基于视觉层次感知机制的图像理解22-23

1.2.4 图像特点表达23-25

1.2.5 分类器25-26

1.3 探讨内容26-27

1.4 论文特点与革新27-28

1.5 论文结构28-29

第二章 视皮层感知机制29-47

2.1 引言29-30

2.2 视觉系统的层次30

2.3 视皮层的感知结构30-32

2.3.1 视网膜31-32

2.3.2 侧膝体32

2.3.3 视觉皮层32

2.4 其它特性32-34

2.4.1 反馈和侧向连接32-33

2.4.2 视觉感受野特性33-34

2.4.3 超柱结构34

2.4.4 学习机制34

2.5 生物视觉计算模型34-39

2.5.1 视觉感知层次结构35-36

2.5.2 视觉感知层次计算模型36-37

2.5.3 视觉感知中重要的功能机制37-39

2.6 基于视觉感知层次模型的人脸识别39-45

2.6.1 人脸识别模型概述39

2.6.2 模型功能实现39-42

2.6.3 实验及结果42-45

2.7 本章小结45-47

第三章 多特点彩像分割模型47-65

3.1 引言47-48

3.2 相关工作48-51

3.2.1 探讨近况48-50

3.2.2 神经科学基础50-51

3.3 模型概述51-57

3.3.1 K 通路计算51-53

3.3.2 P 通路计算53-54

3.3.3 M 通路的计算54-55

3.3.4 其它视觉区域计算55-57

3.4 实验57-60

3.4.1 BPNN 训练57-58

3.4.2 分割策略比较58-60

3.5 算法与实验浅析60-63

3.5.1 先融合与后融合60

3.5.2 二元分割的优化60-62

3.5.3 性能评估62-63

3.6 本章小结63-65

第四章 BU&TD 图像分割模型65-84

4.1 引言65-66

4.2 神经科学背景66-68

4.2.1 Trickle-up 通路67

4.2.2 Trickle-down 通路67-68

4.3 BU&TD 组合模型概述68-76

4.3.1 生成特点片段集69-70

4.3.2 匹配 BU 结果70-73

4.3.3 优化匹配子集73-76

4.3.4 像素标识76

4.4 实验76-82

4.4.1 概率分布的学习76-77

4.4.2 图像分割77-79

4.4.3 影响因素浅析79-80

4.4.4 片段相关性80-82

4.4.5 多目标分割82

4.5 本章小结82-84

第五章 多特点场景分类模型84-96

5.1 分类模型85-86

5.2 HF 模型86-87

5.3 多尺度边缘特点87-89

5.4 颜色特点89

5.5 分类89-90

5.6 实验评估90-94

5.6.1 Edge 路径分类90-91

5.6.2 Edge 路径+Shape 路径91-92

5.6.3 MFBIM 识别92-94

5.7 总结94-96

第六章 BU&TD 目标识别模型96-108

6.1 引言96-97

6.2 模型概述97-105

6.2.1 L 特点97-99

6.2.2 H 图像99-100

6.2.3 Gist-based 特点100

6.2.4 OFC100-103

6.2.5 PHC103-104

6.2.6 IT104-105

6.3 实验105-107

6.4 总结107-108

第七章 总结与展望108-112

7.1 工作总结108-109

7.2 本论新与特点109-111

7.3 进一步的探讨111-112

致谢112-113