2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩59頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、視覺感知是計(jì)算神經(jīng)和神經(jīng)工程的熱點(diǎn)研究問題之一,一方面它將有助于揭示視覺系統(tǒng)具有驚人信息感知能力的內(nèi)在機(jī)理,另一方面它將給以機(jī)器視覺為代表的智能信息處理方法帶來新的思路。本文基于人類視覺感知機(jī)制構(gòu)建神經(jīng)元網(wǎng)絡(luò),利用具有時(shí)空特性的神經(jīng)脈沖發(fā)放,探索在視覺激勵下的神經(jīng)信息加工過程,并嘗試面向圖像處理的實(shí)際應(yīng)用。本文首先以突觸連接的形式構(gòu)建新的神經(jīng)元感受野模型,通過模型對明暗刺激的響應(yīng),闡釋新模型在實(shí)現(xiàn)視覺機(jī)制中所起的重要作用;然后考慮視覺通

2、路上的多級方位敏感特性,構(gòu)建視皮層下-初級視皮層的分級處理模型,利用對低對比度圖像邊緣的檢測效果,解釋了方位敏感機(jī)制在視覺輪廓感知中所起的關(guān)鍵作用;最后引入視覺信息稀疏編碼規(guī)則和視覺注意機(jī)制,構(gòu)建具有空間信息融合特性的神經(jīng)元網(wǎng)絡(luò),通過顯著性圖像對邊界響應(yīng)的調(diào)制,提供了一種基于視覺信息反饋調(diào)控的圖像處理應(yīng)用新思路。本文主要工作及研究成果如下:
  (1)以突觸連接的形式構(gòu)建新的神經(jīng)元感受野模型,實(shí)現(xiàn)方位敏感、側(cè)向抑制以及選擇注意機(jī)制

3、,充分發(fā)揮其在感知對比刺激以及空間變化中的作用。將融合了感受野區(qū)域信息的圖像特征輸入神經(jīng)元模型,將視覺刺激轉(zhuǎn)化為脈沖序列;再從脈沖序列的時(shí)間編碼信息中解析視覺刺激所包含的特征。神經(jīng)元響應(yīng)表明該感受野模型具備了方位選擇以及明暗邊緣檢測等初步的視覺功能。
  (2)考慮了視覺通路上的多級方位敏感特性,提出一種基于突觸連接視通路方位敏感的圖像分級邊緣檢測新方法。針對具有多強(qiáng)度邊緣或者豐富細(xì)節(jié)的圖像,利用神經(jīng)節(jié)細(xì)胞以及外膝體神經(jīng)元感受野向

4、心分布的生理結(jié)構(gòu)特性,構(gòu)建具有多方向敏感特性的視皮層下功能層,提取邊緣敏感圖像;并優(yōu)化側(cè)向抑制作用方式,形成初級視皮層功能層,去除冗余信息。實(shí)驗(yàn)結(jié)果顯示,新方法在完整檢測圖像邊緣的同時(shí),并不引入紋理噪聲,有著明顯的優(yōu)勢。
  (3)針對視通路模型不具有區(qū)分主體輪廓和紋理邊緣的能力,引入神經(jīng)信息稀疏編碼規(guī)則和視覺注意機(jī)制,提出一種基于顯著性信息稀疏表示的圖像輪廓檢測新方法。首先針對初級視皮層V1對圖像邊界的響應(yīng)結(jié)果,構(gòu)建具有空間信息

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論