基于ColorMax模型拟视皮层图像识别.docVIP

基于ColorMax模型拟视皮层图像识别 　　摘要：受生物学研究启发，模拟视皮层组织结构提出了ColorMax层次模型用于彩色图像识别问题。利用??ColorMax模型进行学习能得到较高层次的复杂仿真视觉特征，这些特征具有较好的识别可分性和不变性。利用该模型实现基于对象颜色、纹理和形状的综合特征识别与比较。实验结果表明，提出的模型能够在学习样本数量少的情况下进行学习，提高了识别的速度，能达到与当前先进算法相当识别效果。 　　关键词：视皮层; 特征构造； 层次； 识别 　　中图分类号：TP242.6文献标志码：A 　　文章编号：1001-3695(2008)05-1563-03 　　 　　0引言?? 　　 　　利用机器视觉进行模式识别具有广阔的实际应用前景，是当前的研究热点之一。机器视觉研究目前的衡量标 　　准是与人眼识别的结果进行比较。人眼能对同一物体在不同的尺度、角度和光线下都能够进行正确识别，而目前的机器视觉在识别的不变性和可分性上与人眼识别的效果还有一定差距。经过生物科学实验证实，灵长类动物脑内下颞叶皮层中的神经细胞的活动与动物对物体的识别有紧密联系[1，2]，对特定物体的识别是通过与脑中存储的标准图像模板进行比较实现。实验表明脑下颞叶皮层区域对物体识别的处理机制是一种层次式的类前向反馈机制，视觉信息处理是按一定的通路进行传输的，从视网膜到达大脑皮层，在大脑皮层中其处理是一个由简单到复杂处理的过程，而皮层中的神经细胞越复杂，则对应于视网膜上物体图像的更大范围。因此要达到人眼的识别效果，模拟视皮层结构来构造识别过程是一种可行的方法，而这种方法以前只在立体视觉中采用，而很少用于对象识别的研究。当前在仅有少量的研究是将机器视觉研究基于简单神经细胞的处理上，对图像进行类高斯处理和Gabor变化，而得到的都是低层视觉特征[3，4]，与真正人眼识别所需的复杂生物视觉特征相差?┥踉丁＊? 　　Riesenhuber和Poggio在1999年仿效视觉皮层组织机构提出了标准物体识别层次模型――HMax模型[5，6]。Thomas Serre等人在2005年和2007将HMax模型用于物体识别中[7，8]，利用改进的模型构造了高层次的仿真生物视觉特征。文献[7，8]所提到方法的突破之处在于通过层次自底向上，由简单到复杂的处理过程。在识别物体时，沿层次结构不断进行模板匹配和合并操作，模拟了视皮层中多具有一定的尺度，平移和旋转不变性。而局限之处在于他们仅考虑了灰度图像中的物体识别，而没有考虑彩色图像识别过程中的颜色识别过程，将该方法应用在彩色图像识别上效果不理想并且识别时间过长。本文在HMax模型的基础上提出了针对彩色图像识别的 ColorMax模型，试图模拟视皮层对彩色物体的识别过程，利用该方法构造出包含色彩信息的多层生物视觉特征。基于ColorMax模型构造的识别过程能够快速地进行彩色图像的识别并且得到的视觉特征具有较强的不变性，在不同光线，尺度和旋转下能取得较好的识别结果。实验结果显示本文提出的方法与HMax模型比较在识别效果和识别速度上均有较大的改善，能够达到与当前主流识别方法相当的识别效果。 　　 　　1ColorMax模型及特征获取?? 　　 　　1．1视皮层对象识别模型?? 　　目前的生物视觉研究表明，在灵长类动物进行视觉识别的最初是100~200 ms，其主要处理过程是一种前馈层次。在识别的每一阶段，神经细胞的感受野会随着优化刺激处理复杂度的增加而增大，从简单的神经细胞到复杂的神经细胞自底向上的逐级识别整个图像。标准视皮层对象识别模型主要的功能是仿效视皮层神经活动的流程来实现物体识别。HMax模型是一种改进的视皮层对象识别模型，它使得到的物体特征具有尺度和位置的不变性。模型由四层计算单元构成[5]，即S1、C1、S2和C2单元。S1单元通过对输入图像进行调谐处理，模拟了V1区域内简单视觉神经细胞的感受野。该处理的目的在于提取具有可分性的低层特征。C1单元的工作是将空间邻域和各尺度的特征进行的局部最大值操作，以此来获得更大的感受野，提高对象识别的不变性。S2单元将C1单元得到的特征作为输入，得到多方向的C1特征，将新特征与标准模板进行匹配，在这个步骤完成学习。将S2特征进行最大值操作得到C2特征，C2特征单元所进行的操作与视皮层 V4区域的神经细胞活动相似，得到的结果将作为最终用于分类的特征。整个标准视皮层对象识别模型的结果与短尾猿的下颞叶皮层活动测试结果是一致的。?? 　　1．2ColorMax模型及对象特征获取?? 　　生物神经学研究表明，在人眼的视网膜上存在三种颜色感受器，即红、蓝、绿视锥细胞，分别接受不同波长的颜色刺激[9]。生物实验研究表明[10]，脑皮层中的V2区域中不同空间位置的神