基于视通路多感受野朝向性关联的轮廓检测方法

基于视通路中各层次的感受野特性以及层次间感受野的关联特性,提出一种图像轮廓检测新方法。根据神经元的放射状树突接收特性,构建检测空间差异性信息的视网膜神经元网络,对轮廓信息进行前级编码;建立LGN细胞的非经典感受野调节机制,结合感受野的层次变换特性,对前级编码结果进行全局调节;提出简单细胞的多感受野朝向性关联模型,模拟初级视皮层简单细胞的方向选择特性;融合多个方向上的轮廓响应,经过非极大值抑制和阈值处理,得到轮廓检测结果。以RuG图库40幅图片为实验对象,检测结果与基准轮廓图的平均P指标为0.43,结果显示该方法能够有效凸显主体轮廓,强化轮廓与纹理边缘的区分度。利用多感受野的层次关联特性,实现图像轮廓信息的编码与检测应用,为研究高级视皮层的图像理解和视觉认知提供新的思路。     

基于神经元颜色拮抗与动态编码的轮廓检测方法

基于神经元的颜色拮抗特性及神经元群体的动态编码机制,实现对图像的轮廓检测。模拟视皮层下神经元的颜色单拮抗特性,引入单拮抗感受野的动态调节机制,以充分响应颜色边界和亮度边界;利用单细胞的树突极性分布,构建初级视皮层的双拮抗神经元网络,实现对特定方位的视觉刺激响应,有效提取目标轮廓;在神经元的群体感受野内,考虑神经元的动态突触连接,融合单细胞的脉冲频率响应,实现对纹理信息的抑制作用。以BSDS500图库的图像为实验对象,结果显示该方法在提取主体轮廓的过程中能有效抑制纹理信息,其对100幅图像最佳检测结果的P值指标均值和标准差为0.58±0.04,相对CORF和CO等其他对比方法,可提高轮廓提取的准确率。所提出方法可有效实现图像的轮廓检测,为利用颜色信息以及神经元之间的动态编码、实现更高级皮层的图像理解或者视觉认知提供新的思路。