《基於視神經細胞模型的複雜環境感知與定位》是依託電子科技大學,由李建平擔任醒目負責人的面上項目。
基本介紹
- 中文名:基於視神經細胞模型的複雜環境感知與定位
- 依託單位:電子科技大學
- 項目類別:面上項目
- 項目負責人:李建平
項目摘要,結題摘要,
項目摘要
對非結構化、隨機性自然場景的感知和理解,是視覺成像處理系統中具有挑戰性的前沿課題。本課題通過借鑑生物視覺模型,將場景表達與認知學新視覺特徵進行融合,為場景感知和辨識提供一種新的技術手段。受視神經細胞認知智慧型啟發,特別是利用生物視覺皮層上的V1細胞,具有類似於Gabor濾波器和高斯拉普拉斯濾波器特性,藉助小波變換和獨立分量分析原理,探索新型算法,研究自適應自然場景感知和新的識別技術。其中,通過生物視覺模型的研究,將認知學新特徵與場景表達相融合,提升自然場景圖像的自適應辨識能力。為此,提出新的相關算法,解決視覺圖像處理系統中面臨的自然場景多樣性、隨機性、複雜性以及運動性所帶來的一系列關鍵理論問題,揭示其內在規律與辯證特性,為機器人視覺感知、視頻監控異常處理、智慧型化預警和海量圖像的快速檢索和高效攝像存儲等領域,提供新的科學研究方法和手段。
結題摘要
圖像理解(Image Understanding)是近年來計算機學科的熱點研究領域。它是對圖像的語義理解,與認知學的視覺生理學和心理學有密切的聯繫。用計算機從影像中提取被攝景物語義信息,以實現圖像的識別、分類和判讀。圖像理解所包括的內容主要是場景的描述和理解、場景中目標的識別。計算機視覺是使用計算機及相關設備對生物視覺的一種模擬。與計算機視覺相關的學科包括認知學、神經生理學、計算機科學與工程、物理學、信號處理、套用數學與統計等學科。 近年來,經過認知心理學,認知生理學和神經科學等領域科學家的共同努力和深入研究,從生物視覺系統的“低級”表達到“高級”的視覺認知形成機理,都取得了豐碩的研究成果,為基於視覺感知機制的圖像理解技術奠定了堅實的理論和實驗基礎: 圖像分割(Image Segmentation):所謂圖像分割就是按一定的規則將圖像劃分成若干有意義的區域,即各區域的並集是整個圖像,各區域的交集為空集。圖像分割利用目標和背景的差異性,對圖像中的目標和背景像素進行標識,實現從背景圖像中提取目標的功能,包括基於邊緣特徵的分割方法, 基於閾值的分割方法, 基於區域的分割方法以及複合分割方法。 目標識別:發現場景中的目標及目標的位置就是目標識別。 基於視覺層次感知機制的圖像理解:認知學為圖像理解提供人類視覺的基本原理和認知過程,圖像理解通過建立與人類視覺機制相似的計算機視覺理解系統來實現快速有效的場景理解,對人的視覺系統工作機制及人如何利用知識實現場景理解的研究尤為重要。 圖像特徵表達,以及圖像分類器:K-means,SVM,BPNN。 針對本研究課題,項目組做了大量而有效的工作:提出了生物啟發的複雜場景分割模型,利用量子計算的最佳化算法對生物啟發的圖像進行處理以提高算法的效率,增強圖像處理魯棒性理論與方法,spiking神經網路在圖像抗噪處理的方法研究,deep learning模型進行圖像識別分類處理方法等,在圖像處理理論與技術方面做出了重要貢獻,為進一步的研究打下了良好的理論和實踐基礎。