一種用于復雜場景圖像識別的多通道仿生視覺方法技術

本發明專利技術公開了一種用于復雜場景圖像識別的多通道仿生視覺方法，其步驟主要包括三個變換通道。對于第一通道，通過模擬人類大腦的多通道視覺處理機制，對原圖像進行前向通道計算，得到候選目標集，同時產生兩個階段的記憶信息。對于第二通道，依次對每個候選目標，利用這些記憶信息進行反向通道計算，得到原圖像中的擊中圖，以此構成目標邊緣圖。對于第三通道，最后利用第二前向通道算法，對該目標邊緣圖進行兩次變換，得到特征變換圖并在候選集中進行驗證，以此完成圖像識別。通過模擬人類大腦的多通道視覺處理機制，提取視覺記憶信息，并利用反向通道計算，有效模擬人類大腦對目標的視覺信息處理過程，得到的識別圖像準確度高。

【技術實現步驟摘要】

本專利技術屬于生物信息與機器視覺技術的交叉領域，尤其涉及一種用于復雜場景圖像識別的多通道仿生視覺方法。
技術介紹
復雜場景中的圖像識別是計算機視覺領域的難點與熱點問題。眾所周知，人類視覺系統能在復雜場景中有效地屏蔽干擾信息，并保留目標圖像。然而，利用傳統計算機視覺算法實現復雜場景圖像的目標識別，是一項極具挑戰性的工作。隨著人類視覺大腦皮層響應機制的不斷揭示，Hubel曾在Nature中報道，生物視覺皮質細胞對某些長度或方向的線條，響應非常強烈。受此生物視覺響應機制啟發，若機器視覺能提取圖像目標的不同長度和不同方向的線條特征，并測量線條的空間分辨率，以模擬大腦視覺皮質細胞對線條響應的強度，那么一種基于仿生物視覺感知機理的圖像識別方法便成為了現實。近幾年，出現了基于仿生機理的圖像識別方法。但大多數方法中利用了Fouriertransform(FT)、Fourier-Mellin(FM)變換、Gabor濾波器、Fourier描述算子等。雖然FT變換能有效處理比例縮放圖像的識別問題，但旋轉圖像將導致FT頻域變換發生角度旋轉。盡管FT功率譜具有平移不變性，但FT卻丟失很多空間位置信息。FM是由FT變化而來，其同樣具有空間信息丟失問題。Gobor濾波器能識別旋轉與比例縮放圖像，該方法具有噪聲不變屬性，但其濾波器方向角度與波長等參數，卻難以針對不同圖像自適應調整。上述均屬于Bottom-Up數據驅動的不變屬性特征提取方法，能有效處理圖像識別的某些問題，Top-Down目標任務驅動的不變屬性特征提取方法，對處理同時具備旋轉、比例縮放、平移和加噪圖像的不變屬性特征提取具有明顯效果。事實上，模擬生物特性的圖像識別方法已成為當前的熱門研究方向，如卷積神經網絡模擬靈長目類動物視覺系統的遞階結構，卷積層完成了局部平均化和二次采樣的工作，為此，特征圖具有小平移不變性。VisNet是一種針對不變屬性目標識別的視覺通道模型，但該模型需多次訓練不同圖像中各尺度的目標，否則難以實現加噪、旋轉、比例縮放等不變屬性特征的提取。HMAX是另一種四層計算單元組合結構的遞階模型，C單元利用非線性最大池操作，實現平移與比例縮放不變性。但由于隨機選取圖像塊，使其對旋轉圖像非常敏感。為此，嚴重影響了目標識別的效果。生物變換方法通過仿視覺神經元工作模式，實現輸入圖像的平移、比例縮放與旋轉不變屬性的表達。但存在兩方面不足，首先，該模型中采用了box濾波器，該濾波器是利用圖像周圍像素點加權均值實現，與人類視覺感知機理并非一致，為此，對噪聲特別敏感。其次，該方法只能應用無背景的二值圖像識別，稍加背景干擾會使得識別效果大打折扣。根據生物視覺感知機理，當視覺目標刺激出現時，人類視覺感知初始過程產生在視網膜，視網膜內完成初始特征檢測。而后，圖像信號再由視神經激勵傳輸。其中特征包括邊緣、方向、梯度等信息。更重要的是，在這個過程中，存在多個信息傳輸通道。為此，如何模擬人類大腦視覺響應過程，在不同功能階段構建感知模型，并客觀描述大腦視覺皮質細胞對目標響應的強度，使該模型能有效識別復雜場景目標圖像，成為本專利技術亟待解決的問題。
技術實現思路
本專利技術所要解決的技術問題是，提供一種用于復雜場景圖像識別的多通道仿生視覺方法，通過計算機模擬人類大腦視覺機理，減小復雜場景圖像目標識別過程中，受復雜場景對目標干擾的影響，以提升目標的識別率。一種用于復雜場景圖像識別的多通道仿生視覺方法，將原圖像依次進行三個通道變換，具體包括以下幾個步驟：步驟一：通過模擬人類大腦的多通道視覺處理機制，對原圖像采用前向通道算法進行兩次生物變換，獲得候選目標集，并生成兩個階段視覺記憶信息；所述視覺記憶信息是指每個像素的K個前級變換的信息源，K的取值范圍為8-12；步驟二：對步驟一獲得候選目標集中的每個候選目標，利用視覺記憶信息采用反向通道計算擊中圖，所有擊中圖構成目標邊緣圖；利用視覺記憶信息采用反向通道計算擊中圖的具體過程如下：利用第二階段視覺記憶信息將步驟一中所述第二次生物變換得到的第二變換圖投射至步驟一中所述第一次生物變換得到的第一變換圖上，得到第一投射變換圖；再利用第一階段視覺記憶信息，將第一投射變換圖投射至原圖像上，得到擊中圖；步驟三：針對步驟二獲得的目標邊緣圖，采用前向通道算法進行兩次生物變換，得到特征變換圖；步驟四：利用特征變換圖對候選目標進行驗證，將與特征變換圖距離最小的候選目標作為最終的識別目標，得到識別圖像。所述采用前向通道算法進行兩次生物變換時，對原圖像使用生物相位一致性算法創建邊緣圖，然后采用Gabor濾波器對邊緣圖進行濾波處理，以濾波后的邊緣圖作為第一變換圖；對第一變換圖再次使用生物相位一致性算法和Gabor濾波器生成第二變換圖；其中，所述生物相位一致性算法所使用的公式如下：其中，PC(x)表示圖像的相位一致性檢測結果，W(x)表示相位一致性加權函數，An(x)表示在原圖像在x處的像素灰度值，ΔΦn(x)表示在原圖像x處進行傅里葉變換的相位差，T1表示需要抑制的噪聲強度，ε表示防止分母為0的常數，n表示原圖像的傅里葉分解級數；所述采用Gabor濾波器對邊緣圖進行濾波處理，得到濾波后的邊緣圖，是指按照以下公式進行方向邊緣檢測：其中，D(x,y)表示原圖像在(x,y)處的方向邊緣，G(x,y)為Gabor濾波器，表示卷積操作。在兩次生物變換過程中，將得到的濾波后的邊緣圖采用間隔檢測，將進行間隔檢測后的圖作為變換圖。首先對方向邊緣圖進行平移操作，平移距離為I和平移方向角度為θ+90°，再將平移后的邊緣圖乘以平移前的邊緣圖，得到包含多個乘積重疊區域的圖像，對該圖像中的所有區域的值進行累加，最后將該累加結果除以平移以前的邊緣圖灰度值的平方和。所述步驟一中生成的視覺記憶過程如下：在間隔檢測過程中，首先對經Gabor濾波器濾波后得到的邊緣圖進行平移操作，平移距離為I和平移方向角度為θ+90°，再將平移后的邊緣圖乘以平移前的邊緣圖，得到多個響應區域，計算每個區域的加權中心位置，以所有加權中心位置構成多個區域的加權中心位置集合，作為視覺記憶信息區域Me(θ,I)：Me(θ,I)＝PC(x,y)×PC(x-Δx,y-Δy)其中，PC(x,y)為平移前邊緣圖，PC(x-Δx,y-Δy)為平移后的邊緣圖，水平方向平移量Δx＝I×cos(θ+90°)，垂直方向平移量Δy＝I×sin(θ+90°)，平移方向角度θ∈[0,180°)，平移距離I∈[100,700]。對于所有初始響應區域集合Re(θ,I)采用以下的策略刪除弱響應區域，保留強響應區域，形成最終的響應區域集合Re′(θ,I)：Re′(θ,I)＝{Ck|max(Ck(x,y))>T,k＝1,…,K本文檔來自技高網...

【技術保護點】
一種用于復雜場景圖像識別的多通道仿生視覺方法，其特征在于，將原圖像依次進行三個通道變換，具體包括以下幾個步驟：步驟一：通過模擬人類大腦的多通道視覺處理機制，對原圖像采用前向通道算法進行兩次生物變換，獲得候選目標集，并生成兩個階段視覺記憶信息；所述視覺記憶信息是指每個像素的K個前級變換的信息源，K的取值范圍為8?12；步驟二：對步驟一獲得候選目標集中的每個候選目標，利用視覺記憶信息采用反向通道計算擊中圖，所有擊中圖構成目標邊緣圖；利用視覺記憶信息采用反向通道計算擊中圖的具體過程如下：利用第二階段視覺記憶信息將步驟一中所述第二次生物變換得到的第二變換圖投射至步驟一中所述第一次生物變換得到的第一變換圖上，得到第一投射變換圖；再利用第一階段視覺記憶信息，將第一投射變換圖投射至原圖像上，得到擊中圖；步驟三：針對步驟二獲得的目標邊緣圖，采用前向通道算法進行兩次生物變換，得到特征變換圖；步驟四：利用特征變換圖對候選目標進行驗證，將與特征變換圖距離最小的候選目標作為最終的識別目標，得到識別圖像。

【技術特征摘要】
1.一種用于復雜場景圖像識別的多通道仿生視覺方法，其特征在于，將原圖像依次進行三個通道變換，具體包括以下幾個步驟：步驟一：通過模擬人類大腦的多通道視覺處理機制，對原圖像采用前向通道算法進行兩次生物變換，獲得候選目標集，并生成兩個階段視覺記憶信息；所述視覺記憶信息是指每個像素的K個前級變換的信息源，K的取值范圍為8-12；步驟二：對步驟一獲得候選目標集中的每個候選目標，利用視覺記憶信息采用反向通道計算擊中圖，所有擊中圖構成目標邊緣圖；利用視覺記憶信息采用反向通道計算擊中圖的具體過程如下：利用第二階段視覺記憶信息將步驟一中所述第二次生物變換得到的第二變換圖投射至步驟一中所述第一次生物變換得到的第一變換圖上，得到第一投射變換圖；再利用第一階段視覺記憶信息，將第一投射變換圖投射至原圖像上，得到擊中圖；步驟三：針對步驟二獲得的目標邊緣圖，采用前向通道算法進行兩次生物變換，得到特征變換圖；步驟四：利用特征變換圖對候選目標進行驗證，將與特征變換圖距離最小的候選目標作為最終的識別目標，得到識別圖像。2.根據權利要求1所述的方法，其特征在于，所述采用前向通道算法進行兩次生物變換時，對原圖像使用生物相位一致性算法創建邊緣圖，然后采用Gabor濾波器對邊緣圖進行濾波處理，以濾波后的邊緣圖作為第一變換圖；對第一變換圖再次使用生物相位一致性算法和Gabor濾波器生成第二變換圖；其中，所述生物相位一致性算法所使用的公式如下：PC(x)=ΣnW(x)|An(x)ΔΦn(x)-T1|ΣnAn(x)+ϵ]]>其中，PC(x)表示圖像的相位一致性檢測結果，W(x)表示相位一致性加權函數，An(x)表示在原圖像在x...

【專利技術屬性】
技術研發人員：周開軍，周鮮成，余伶俐，
申請(專利權)人：湖南商學院，
類型：發明
國別省市：湖南;43