计算机视觉与图像处理手册.docxVIP

计算机视觉与图像处理手册

第1章计算机视觉基础理论

1.1视觉感知模型与图像表示

视觉感知模型将人眼接收到的光线通过视网膜转化为神经信号，进而在大脑中构建三维世界的感知过程，其中核心是“低层感知器”负责边缘定位与颜色识别，而“高层感知器”则整合这些低级特征以理解物体语义；在计算机视觉中，这一过程被抽象为从像素级图像数据映射至抽象特征张量的过程，例如将一张包含人脸的照片首先提取出10个主色调（如红色、蓝色、黄色）作为低层感知器输出，随后将这些颜色数值输入到高层感知器中，结合空间上下文信息推断出这是一个“微笑的人脸”这一高层语义概念。图像表示是视觉感知模型在计算机中的数学实现，通常采用卷积神经网络（CNN）将二维像素图展平为一维向量，再通过全连接层或多层感知器进行非线性变换，最终输出高维特征向量，这种表示方式允许计算机直接学习图像中的复杂模式，例如当输入图像为一个28x28的灰度图时，卷积层会将其展平为784维向量，经过多层感知器处理后，输出一个包含512维特征的向量，该向量编码了图像中的纹理、形状和颜色分布等抽象信息。

在图像表示的具体实现中，卷积神经网络（CNN）通过局部连接和滑动窗口机制提取图像特征，例如在输入图像左上角区域时，卷积核会同时检测“垂直线条”、“水平线条”和“对角线”等局部模式，并将检测到的特征值加权求和，形成局部特征图，随后通过下采样