基于SMF模型的生物启发影像特征分类-模式识别与智能系统专业论文.docxVIP

基于 SMF 模型的生物启发影像特征分类 摘 要 人类与灵长类的视皮层目标识别性能远远优于最佳的机器视觉系 统。因此，自上个世纪 50 年代起人们开始关注生物视觉启发的计算机 视觉模型的研究。1999 年，Riesenhuber 和 Poggio 提出了基于视觉感知 机理的标准模型特征 SMFs（Standard Model Features）。但是，当前从计 算机视觉的角度对基于 SMFs 的目标识别与纹理分类的性能进行大规模 的分析评价极少，尤其是与 SIFT 和 LBP 等经典的计算机视觉模型对比 研究以及 SMF 模型腹侧通路特征的分析评价，这对于我们认识生物启 发的特征提取研究具有重要的理论与应用价值。2010 年，Leibo 等提出 了选择性指数评价方法但并未进行深入的评价工作，本文则在此基础上 对特征选择性进行详细的定量评价工作。 本文在研究生物视觉系统尤其是腹侧通路的目标识别机制的基础 上，基于纹理与目标图像数据库，从计算机视觉的角度对视觉层次特征 计算模型在旋转、尺度及仿射等方面的不变性进行了详细的定量分析与 评价，并与当今一流的计算机视觉方法进行比较系统深入的对比分析， 获得了比较有价值的结论。本文研究工作及重要的实验评价结论主要包 括： 一，从生物视觉的角度出发，详细介绍了视皮层的腹侧通路、感受 野及其特性，并对视皮层的不变性与选择性进行分析，阐明了标准模型 的生物学基础。 二，从计算机视觉的角度出发，分别介绍了生物视觉层次模型、局 部二元模式特征、SIFT 特征匹配算法。重点分析讨论了生物层次模型的 算法性能及其不变性、选择性特性。同时，引入本文的评价体系与方法。 三，目标与纹理分类的评价分析。首先进行训练集大小评价、参数 评价、运行时间评价等，然后分别在纹理数据库、目标数据库及高分辨 率遥感影像混合数据库上进行不变性与选择性分析，最后分别与 LBP 特征、SIFT 特征进行不变性的比较分析，最终得出结论。 ① 通过大量纹理、目标及高分辨率遥感影像的实验分析，生物视 觉模型具有优良的旋转不变性、尺度不变性与仿射不变性。 ② 与当前一流的计算机视觉方法，比如 LBP 特征及 SIFT 特征进 行了对比与分析发现：SMFs 特征的旋转不变性远远优于 LBP 特征，略 优于 SIFT 特征；SMFs 特征的尺度不变性优于 LBP 特征，而对于 SIFT 特征而言，当尺度级较大时，标准模型特征的尺度不变性优于 SIFT 特 征，当尺度级较小时，SIFT 特征的尺度不变性更优；SMFs 特征的仿射 不变性均优于 LBP 算子及 SIFT 算法。 ③ 在此基础上，本文还进行了腹侧通路上每个层次之间的选择性 与不变性评价，实验结果表明，SMFs 特征在腹侧通路上的不变性、选 择性变化趋势与生物视觉系统在腹侧通路上的不变性、选择性变化趋势 并不完全一致，这初步表明了 SMF 模型还不能很好地反映腹侧通路上 的不变性与选择性都渐进递增的生物机理。 关键词： 标准模型，旋转不变性，尺度不变性，仿射不变性，纹理与 目标分类 BIOLOGICAL MOTIVATED IMAGE FEATURES CLASSIFICATION BASED ON SMF MODEL ABSTRACT Humans and primates outperform the best machine vision systems with respect to almost any measure. Thus, people have paid attention to biological inspired model since 1950s. In 1999, Riesenhuber and Poggio proposed SMFs ( Standard Model Features) based on the visual perception mechanism. However, therere few of large-scale evaluation of object recognition and texture classification based on SMFs from the view of computer vision, especially comparing with SIFT, LBP features etc. popular computer vision models, which is of important theoretical and application value for the research of biological motivated featur