《基於生物視覺啟發的衛星遙感影像對象解譯理論研究》是依託上海交通大學，由方濤擔任項目負責人的面上項目。
基本介紹
- 中文名：基於生物視覺啟發的衛星遙感影像對象解譯理論研究
- 項目類別：面上項目
- 項目負責人：方濤
- 依託單位：上海交通大學
項目摘要,結題摘要,
項目摘要
人類視覺系統具有優越於當前計算機視覺的目標識別以及記憶能力，儘管當前人類認識生物視覺系統還非常不夠，但在視覺皮層目標識別與記憶等方面已取得了一些非常誘人的研究成果。.受視覺系統的腹側通路目標識別的層次模型、視覺記憶模型等啟發，結合計算機視覺、場景理解最新的研究成果與面向對象遙感影像分析方法，重點研究衛星遙感影像對象層次特徵提取模型；影像對象的中間複雜特徵度量與自動提取；從基於矢量量化學習的短期記憶（STM）到基於視覺歸納學習的長期記憶（LTM）傳遞的對象表達的記憶體系，以及對象的層次特徵與多尺度表達之間語義通信；受遙感影像目視解譯過程等的啟發，研究從層次特徵可區分性選擇到綜合集成多種技術與方法，建立模擬遙感影像目視解譯的方法庫，探索高空間解析度衛星遙感影像智慧型解譯的新途徑，對於推動我國開展高解析度對地觀測系統智慧型化處理無疑具有重要的理論與套用價值。
結題摘要
近3年來，課題組結合高解析度遙感的特點，從生物視覺—影像特徵提取的機理出發，就生物視覺啟發的特徵等研究方面，在以下幾個方面已經取得了顯著進展： （1）受Hubel和Wiesel關於視覺皮層具有從簡單細胞、複雜細胞、低階超複雜細胞到高階超複雜細胞的層次性結構的假設啟發，提出了一個受生物視覺啟發的前饋深度層次模型，即層次特徵映射（Hierarchical Feature Map, HFM）模型。該模型雖然僅僅只有編碼器，但是其實際性能已經能和同時具有編碼器、解碼器的基本深度網路相媲美，顯示HFM對大腦視覺皮層中前饋視覺信息處理過程的建模是成功的。 （2）從生物視覺的角度出發，通過研究每個區域顏色感知的神經機制，以及各區域之間的信息傳遞及轉換過程，建立了顏色的層次性編碼模型（HMCC）。該模型較好地模擬了自然光經眼睛進入視網膜，到側膝體，再經過V1，V2，PIT及IT階段的處理過程，最終形成了從低層到高層的顏色層次性特徵表達。 （3）以初級視皮層V1的超柱結構內具有多尺度、多方向特性的簡單細胞為基本單元，研究了超柱結構內神經元群的感受野信息提取與目標表達過程，提出了群口向量編碼與時態群口編碼解碼模型，以穩健地表達圖像內容。分析評價了各種方向特徵以及解碼獲得的局部SSP特徵。 （4）針對高分遙感影像解譯的層次特點，提出一種新的面向影像監督分類的層次流形學習方法（Hierarchical Manifold Learning，HML），該方法充分利用訓練樣本的類別標籤信息和類內流形的局部結構信息通過構造層次流形進行降維，並用提取得到的共享特徵表達父流形的信息，此外，還通過廣義回歸神經網路以較低的計算代價解決流形學習的out-of-sample問題，從而進一步提高該方法的監督分類精度。 此外，本項目已經在IEEE Transactions on Geoscience and Remote Sensing雜誌發表文章5篇，IEEE Geoscience and Remote Sensing Letters發表1篇文章。 在人才培養方面，已經畢業博士2人，碩士6人，其中1名博士正在申請上海市優秀博士論文。
