雙高斯差模型的低層次視覺尺度要素檢測研究.pdf

1、計算機視覺是一門新興的學(xué)科，計算機視覺技術(shù)正廣泛地應(yīng)用于各個方面。根據(jù)著名的Marr的視覺計算理論，計算機視覺的研究內(nèi)容分為三個層次。其中視覺低層次要素的提取和檢測對計算機視覺理論體系有重要的意義，而且低層次視覺中每一種特征要素的提取和檢測都具有很廣泛的實際應(yīng)用價值。 經(jīng)視覺生理學(xué)上的研究，視網(wǎng)膜神經(jīng)節(jié)細胞(gauglioncell)感受野(receptivefield)在邊緣、線條、線條端點、角點和角度等圖像的低層次要素的檢測

2、方面有較突出的功能。鑒于目前對視網(wǎng)膜神經(jīng)節(jié)細胞感受野在對如線條、角點、線條端點等圖像低層次尺度要素的檢測方面的功能缺乏研究，尤其缺乏在尺度空間的精確定量的分析研究，本文對視網(wǎng)膜神經(jīng)節(jié)細胞感受野的數(shù)學(xué)模型——雙高斯差(differenceofGaussian，DOG)模型在圖像低層次尺度要素的檢測方面的功能進行了深入的探索。 文中首先從計算機視覺的理論體系和實際應(yīng)用價值的角度上分析了對圖像低層次要素的提取和檢測的理論和實際意義；分

3、析了對DOG模型的國內(nèi)外研究現(xiàn)狀，明確了進行本課題的必要性；提出了本課題的主要研究目標(biāo)，確定了所需完成的研究任務(wù)。 在對DOG函數(shù)的基本函數(shù)特性分析中，對構(gòu)成DOG函數(shù)的高斯函數(shù)的基本函數(shù)特性進行了分析；對DOG函數(shù)的時頻域基本函數(shù)特性進行了分析，分析的結(jié)果表明DOG函數(shù)在時頻域皆具有很好的局域性，這一點符合小波變換信號分析方法的時頻域局部化分析的特性；對小波變換的基本原理進行了介紹；根據(jù)小波變換的基本原理分析了DOG函數(shù)在理論

4、上可構(gòu)成連續(xù)小波變換的小波基，進而研究了在實際應(yīng)用中基于DOG函數(shù)的離散小波變換的具體實現(xiàn)，明確了基于DOG函數(shù)的小波變換具有多尺度分析功能。 在對DOG函數(shù)的結(jié)構(gòu)特性及一維尺度檢測研究中，本文推導(dǎo)出了DOG函數(shù)在其兩個尺度參數(shù)任意變化的兩個極端情況下將分別逼近高斯函數(shù)和高斯-拉普拉斯二階微分函數(shù)，這就為定性分析DOG函數(shù)在尺度空間的函數(shù)特性打下了基礎(chǔ)；定量分析了高斯函數(shù)、高斯-拉普拉斯二階微分函數(shù)和DOG函數(shù)對標(biāo)準尺度信號的檢

5、測功能并作了比較，比較結(jié)果表明DOG函數(shù)有更好的尺度檢測功能；分析了過尺度邊緣效應(yīng)及其消除辦法，還討論了標(biāo)準尺度函數(shù)的模型建立問題。 在DOG函數(shù)視覺低層次尺度要素檢測的實際應(yīng)用中，本文將DOG函數(shù)的一維尺度檢測擴展到二維空間，推導(dǎo)出DOG函數(shù)的二維尺度檢測機理；在實際應(yīng)用中研究了在二維空間中基于高斯函數(shù)、高斯-拉普拉斯二階微分函數(shù)和DOG函數(shù)的線條檢測原理，并通過線條檢測實例比較了三者線條檢測的功能；在此基礎(chǔ)之上提出了一種實用

6、的線條檢測算法并給出相應(yīng)實驗結(jié)果；提出了一種通過檢測大小兩個尺度的局部極值來模擬角點的位置、方向和形狀的角點檢測和模擬方法，并對于信號具有較強噪聲的情況給出了實用角點檢測方法，同時給出相應(yīng)實驗結(jié)果；在DOG函數(shù)的線條和角點檢測原理基礎(chǔ)上，提出了基于特征尺度和DOG函數(shù)多尺度分解的紋理分割算法并給出相應(yīng)實驗結(jié)果。 在對DOG函數(shù)的圖像分析功能及其相關(guān)視覺現(xiàn)象的研究中，本文提出了針對二維復(fù)雜形狀尺度信號的“點模式”分析法并應(yīng)用該方法

7、對形狀更為復(fù)雜的線條端點和尺度點的檢測原理進行了分析；對DOG函數(shù)在二維空間中對所有類型的尺度信號的響應(yīng)進行了總結(jié)和比較；提出了以DOG函數(shù)為數(shù)學(xué)模型的視網(wǎng)膜神經(jīng)節(jié)細胞感受野在視覺系統(tǒng)中應(yīng)具有“注意”功能；基于提出的視網(wǎng)膜神經(jīng)節(jié)細胞感受野的“注意”功能，結(jié)合DOG函數(shù)的實際圖像處理，對感嘆號視覺現(xiàn)象、紋理在視覺信息處理中的作用、Hermann格子視覺現(xiàn)象和Muller-Lyer等錯覺現(xiàn)象進行了分析和解釋。 總結(jié)本文的工作，文中通