Knowledge Commons of Institute of Automation,CAS
基于主视通路结构分级响应模型的轮廓检测方法 | |
陈树楠; 范影乐; 房涛; 武薇 | |
发表期刊 | 自动化学报
![]() |
ISSN | 0254-4156 |
2022 | |
卷号 | 48期号:3页码:820-833 |
摘要 | 基于视通路结构分级响应与动态传递的方式,本文提出了一种图像轮廓检测的新方法.针对视网膜感光细胞的暗视觉特性,建立亮度自适应的暗视野调节模型,利用多尺度经典感受野的方位选择性,构建高级轮廓与全局轮廓的检测路径;模拟外侧膝状体(Lateral geniculate nucleus, LGN)细胞特性对信息进行纹理稀疏编码,并结合非经典感受野的侧抑制作用抑制背景强纹理;另外在LGN区提出微动整合机制,减少纹理冗余信息,再经适应性突触实现信息关联传递;最后将初级轮廓响应跨视区前馈至V1区并经全局轮廓修正后,与高级轮廓响应实现快速融合.分别以RuG40、BSDS500图像库中的自然图像作为实验数据,检测结果与基准轮廓图的平均最优P指标分别为0.50、0.32,结果表明本方法能更有效地区分轮廓与纹理边缘,凸显主体轮廓.本文利用视神经细胞的内在机制以及神经信息的动态传递过程实现图像轮廓信息的编码与检测,也为研究后续高级视皮层的视觉感知提供了新思路. |
关键词 | 轮廓检测 暗视野调节 微动整合 动态关联 |
DOI | 10.16383/j.aas.c200046 |
引用统计 | |
文献类型 | 期刊论文 |
条目标识符 | http://ir.ia.ac.cn/handle/173211/56392 |
专题 | 学术期刊_自动化学报 |
推荐引用方式 GB/T 7714 | 陈树楠,范影乐,房涛,等. 基于主视通路结构分级响应模型的轮廓检测方法[J]. 自动化学报,2022,48(3):820-833. |
APA | 陈树楠,范影乐,房涛,&武薇.(2022).基于主视通路结构分级响应模型的轮廓检测方法.自动化学报,48(3),820-833. |
MLA | 陈树楠,et al."基于主视通路结构分级响应模型的轮廓检测方法".自动化学报 48.3(2022):820-833. |
条目包含的文件 | ||||||
文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
AAS-CN-2020-0046.pdf(28969KB) | 期刊论文 | 出版稿 | 开放获取 | CC BY-NC-SA | 浏览 |
个性服务 |
推荐该条目 |
保存到收藏夹 |
查看访问统计 |
导出为Endnote文件 |
谷歌学术 |
谷歌学术中相似的文章 |
[陈树楠]的文章 |
[范影乐]的文章 |
[房涛]的文章 |
百度学术 |
百度学术中相似的文章 |
[陈树楠]的文章 |
[范影乐]的文章 |
[房涛]的文章 |
必应学术 |
必应学术中相似的文章 |
[陈树楠]的文章 |
[范影乐]的文章 |
[房涛]的文章 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论