認(rèn)知輪廓研究進(jìn)展

摘 要：給出了認(rèn)知輪廓的定義和分類，全面總結(jié)了認(rèn)知輪廓的相關(guān)研究成果， 并分析了進(jìn)一步研究的發(fā)展方向。

關(guān)鍵詞：認(rèn)知輪廓；FACADE理論；感知識別 

中圖分類號：TP317．4 文獻(xiàn)標(biāo)志碼：A

文章編號：1001-3695(2008)07-1953-03



Survey of research work on cognition contour



SHAO Xiaofang1，SUN Jixiang2，ZHANG Xin1

(1.Qingdao Branch of Naval Aeronautical Engineering Institute， Qingdao Shandong 266041， China;2.School of Electrical Science Engineering， National University of Defense Technology， Changsha 410073， China)

Abstract:This paper addressed the research work on cognition contour. Firstly， it put forward a formal definition and a classification method for cognition contour.Secondly，gave a comprehensive summary on related research work.At last，suggested further research directions.

Key words:cognition contour；FACADE theory;perception



在生物視覺的研究伊始，研究者們主要將視覺信息的處理歸結(jié)為對圖像中真實(shí)邊界之間幾何關(guān)系的處理。但是研究者們逐漸發(fā)現(xiàn)，呈現(xiàn)在人們視覺系統(tǒng)面前的場景圖像中，灰度對比形成的邊界并不是惟一的感知結(jié)構(gòu)，人類視覺系統(tǒng)常常是基于突發(fā)邊界而對圖像進(jìn)行分割和組群的。另外，視覺系統(tǒng)本身有盲點(diǎn)和大量分布于視網(wǎng)膜各處的靜脈血管，這些都造成視覺系統(tǒng)所獲得的光電信號并不能直接完整地刻畫出場景。知覺世界與現(xiàn)實(shí)世界存在著差異，知覺到的模式比看到的現(xiàn)實(shí)表象更深刻，更具有本質(zhì)性。認(rèn)知輪廓現(xiàn)象為這一點(diǎn)提供了有力證明。認(rèn)知輪廓是一種視覺心理現(xiàn)象^[1]，這一現(xiàn)象體現(xiàn)了人類視覺系統(tǒng)驚人的感知識別和修復(fù)圖像缺失部分的能力。

自從認(rèn)知輪廓現(xiàn)象于1900年被心理學(xué)家發(fā)現(xiàn)以來^[1]，生理學(xué)、心理學(xué)以及計(jì)算機(jī)視覺等領(lǐng)域的許多學(xué)者都對這一現(xiàn)象進(jìn)行了研究，他們從不同角度、以不同手段和方法，試圖揭示認(rèn)知輪廓的形成機(jī)理。根據(jù)Purghe的統(tǒng)計(jì)^[2]，截至1995年就有440篇以上的相關(guān)文獻(xiàn)發(fā)表在各大國際學(xué)術(shù)期刊上。認(rèn)知輪廓作為一種理解輪廓知覺、形狀知覺、深度知覺和視覺注意機(jī)制的重要現(xiàn)象，其原理已經(jīng)在圖像信息處理和機(jī)器人視覺中得到一些成功的應(yīng)用，而且越來越引起人們的興趣。但是迄今為止，有關(guān)認(rèn)知輪廓的感知機(jī)理尚未形成統(tǒng)一觀點(diǎn)，在計(jì)算機(jī)視覺領(lǐng)域也沒有一種模型或方法能直接處理所有類型的認(rèn)知輪廓圖形，使得認(rèn)知輪廓原理的應(yīng)用受到很大限制。

1 認(rèn)知輪廓的定義和分類

雖然已經(jīng)有許多學(xué)者對認(rèn)知輪廓現(xiàn)象進(jìn)行了研究，但是迄今為止還沒有一個完整統(tǒng)一的定義。本文基于對這一問題的研究和分析給出以下定義：

定義1 認(rèn)知輪廓。它是一種在同質(zhì)物理刺激的視野中根據(jù)圖像特征的整體約束感知到完整輪廓的視覺心理現(xiàn)象。

圖1給出了這種現(xiàn)象的三個示例。圖1(a)中人們通?？梢愿杏X到一個把四角分別放在四個圓上的正方形，而不是四個單獨(dú)的缺扇，這個感覺到的正方形大部分是由物理上并不存在卻可感知的輪廓構(gòu)成。圖1(b)就是Kanizsa于1955年提出的最著名的例證——Kanizsa三角^[3]，人們一般可以從中感知到存在一個三角形。圖1(c)被研究者們稱為Ehrenstein中心光亮圓盤，因?yàn)榭梢愿兄揭粋€圓的存在。圖1(d)被研究者們稱為認(rèn)知圓（subjective circle）。這些現(xiàn)象表明輪廓感知可以通過并無直接物理起因的推理輸入產(chǎn)生。與此類似的還有由Glass和Stevens提出的虛擬線。

通過收集、整理和分析以往研究者們處理的典型認(rèn)知輪廓圖形，本文將這些圖形分為共線型和重組型兩大類。共線型以Kanizsa三角為代表，表現(xiàn)為共線邊緣相互連接形成認(rèn)知輪廓；重組型以Ehrenstein中心光亮圓盤為代表，表現(xiàn)為邊緣端點(diǎn)在邊緣正交方向的重新組合。根據(jù)輪廓線的類型，共線型又可以進(jìn)一步細(xì)分為直線型和曲線型。直線型是指輪廓線由分段連續(xù)的直線構(gòu)成，如Kanizsa三角；曲線型即為輪廓線包括一些分段連續(xù)的曲線，如subjective circle。

2 認(rèn)知輪廓的相關(guān)研究現(xiàn)狀及分析

自1900年Schumann首次描述了認(rèn)知輪廓現(xiàn)象之后，1955年Kanizsa提出了最著名的例證——Kanizsa三角。此后，生理學(xué)、心理學(xué)以及計(jì)算機(jī)視覺等領(lǐng)域的許多學(xué)者都對這一現(xiàn)象進(jìn)行了研究。

2．1 生理學(xué)的相關(guān)研究

生理學(xué)上認(rèn)為認(rèn)知輪廓的形成發(fā)生在外圍神經(jīng)系統(tǒng)，與認(rèn)知輪廓的生理學(xué)相關(guān)理論有：Hubel等人提出了特征覺察理論^[1]，認(rèn)為存在于大腦視皮層V1區(qū)（大腦初級視覺皮質(zhì)）中的神經(jīng)元能有選擇地對視野中的真實(shí)輪廓的特征（即方位、運(yùn)動、視網(wǎng)膜上的位置等）進(jìn)行反應(yīng)；Brigner等人在1974年最先用外周側(cè)抑制神經(jīng)過程所引起的灰度同時對比來解釋認(rèn)知輪廓現(xiàn)象，提出了側(cè)抑制灰度對比理論^[3]；1975年Ginsbury把Kanizsa圖形中三角形的空間頻率濾掉后，發(fā)現(xiàn)所得的圖形似乎包含有物理上存在的三角形，由此他認(rèn)為認(rèn)知輪廓根本不是認(rèn)知的，而是客觀存在于遠(yuǎn)端刺激中^[4]，提出了高空間頻率過濾理論；另外，Grossberg針對生物視覺系統(tǒng)在生理解剖結(jié)構(gòu)上所表現(xiàn)出的通道特性和在視覺過程中信息處理的層級特性提出了FACADE（form and color and depth）理論^[5]，這一理論雖然不是針對認(rèn)知輪廓提出的，但是對于解釋認(rèn)知輪廓感知過程中的視覺生理機(jī)制有重要啟示。

2．2 心理學(xué)的相關(guān)研究

心理學(xué)上的解釋認(rèn)為認(rèn)知輪廓的形成發(fā)生在中樞神經(jīng)系統(tǒng)，提出了一些理論和觀點(diǎn)試圖解釋認(rèn)知輪廓的知覺過程。Osgood^[2]、Pastore^[6]、Kanizsa^[7]都認(rèn)為認(rèn)知輪廓是一個封閉性圖形感知的特例，支持Gestalt完形假說^[8]。Coren等人提出深度線索假說^[9]，認(rèn)為認(rèn)知輪廓是由單目深度感知引起的。Bradley等人^[10，11]和Kennedy^[12]強(qiáng)調(diào)認(rèn)知輪廓不僅僅是由外界刺激引起的，感知過程中有視覺注意機(jī)制的作用和復(fù)雜的視覺組織過程。Smith和Over提出特征分析假說^{[13，14]}，認(rèn)為認(rèn)知輪廓是神經(jīng)元根據(jù)圖像中客觀存在的邊緣進(jìn)行特征分析的結(jié)果。

2．3 計(jì)算機(jī)視覺領(lǐng)域的相關(guān)研究

計(jì)算機(jī)視覺界的研究將問題轉(zhuǎn)換為輪廓提取問題，提出了一些算法和模型。

Ullman于1976年提出了最早的認(rèn)知輪廓提取算法，他從視覺系統(tǒng)結(jié)構(gòu)推出視覺模型的角度考慮，提出了一種雙弧插值算法^[15]。Ullman還提出了一個基于神經(jīng)網(wǎng)絡(luò)可以通過局部信息處理并行計(jì)算認(rèn)知輪廓的算法^[16]，但是沒有實(shí)現(xiàn)。之后，Grossberg 和Mingolla從視覺皮層的結(jié)構(gòu)中分析了認(rèn)知輪廓的作用并提出了一種算法^[17]，該算法通過神經(jīng)網(wǎng)絡(luò)反復(fù)計(jì)算與一個很大的濾波核函數(shù)的卷積來完成感知修復(fù)過程。Parent和Zuker提出了一個基于切線和曲率特征的神經(jīng)網(wǎng)絡(luò)算法^[18]。Shashua 和 Ullman提出了一個基于顯要特征檢測的神經(jīng)網(wǎng)絡(luò)算法^[19]，該算法根據(jù)最小能量原則計(jì)算每一條可能的連接曲線。Madarasmi等人提出了一種基于馬爾可夫隨機(jī)場模型的方法^[20]，該方法首先通過檢測T型角點(diǎn)和凹形特征獲得有關(guān)物體表面和深度的信息，然后應(yīng)用馬爾可夫隨機(jī)場施加全局約束。Rosa RadriguezSanchez等人提出了一種通過logGabor濾波從頻域的冗余信息中提取認(rèn)知輪廓的算法^[20]。Sarti等人^[21]提出了一種基于水平集算法通過提取主觀平面來提取認(rèn)知輪廓的方法；Hsingkuo等人^[22]提出了一個主觀平面的理論模型，通過檢測邊緣和交匯點(diǎn)來對圖像局部區(qū)域的歸屬提出假設(shè)，然后通過統(tǒng)計(jì)假設(shè)檢驗(yàn)來判別各個區(qū)域的歸屬性，最后再判斷其可見性。與此類似，Saund為提取被遮擋的輪廓提出了一種基于松弛標(biāo)記技術(shù)的方法^[23]，該方法需要首先構(gòu)造一個松散圖，最后采用確定性退火技術(shù)，通過一個擴(kuò)散過程進(jìn)行優(yōu)化，取得全局最優(yōu)解。Zhu Wei等人采用形狀匹配的方法提取認(rèn)知輪廓^[24]，這種方法事先假定已知認(rèn)知輪廓的形狀信息，然后用相應(yīng)的形狀去匹配不完整的輪廓。Guy和Medioni應(yīng)用張量投票方法提取了只輸入邊緣線段端點(diǎn)的Ehrenstein中心光亮圓盤中的認(rèn)知輪廓。

Heitger和Vonder Heydt提出了一個濾波加非線性處理的神經(jīng)元模型^[25]，該模型將角點(diǎn)提取后的圖像通過一組方向?yàn)V波器進(jìn)行濾波，然后對濾波結(jié)果進(jìn)行非線性處理提取認(rèn)知輪廓。Williams等人提出了隨機(jī)修復(fù)場 (stochastic completion fields) 模型^[26~30]，是針對認(rèn)知輪廓問題提出的最有影響力的模型，描述了一種有關(guān)認(rèn)知輪廓形狀及特征在算法和表示層的理論用于解決感知修復(fù)問題。劉海鷹等人提出了一種基于物理的引力場原理的構(gòu)造模型^[31]，該模型利用在關(guān)鍵點(diǎn)上分布的電荷所激發(fā)的電場來模擬引力場，并定義了場激發(fā)子及其引力，同時構(gòu)造了一個圖來解決分組問題。

2．4 現(xiàn)有研究的特點(diǎn)及不足

從前面總結(jié)的相關(guān)研究工作中可以看出，目前有關(guān)認(rèn)知輪廓的形成主要有兩種心理學(xué)觀點(diǎn)：第一種觀點(diǎn)認(rèn)為認(rèn)知輪廓是由感覺信息引起的，由一定刺激誘導(dǎo)出一個與可能得到的信息不同或相反的概念模式，并強(qiáng)加于感覺信息之上；第二種觀點(diǎn)認(rèn)為認(rèn)知輪廓是基本的生理機(jī)制作用的必然結(jié)果。除了心理學(xué)上的一些證據(jù)外，目前猴、貓視覺皮層認(rèn)知輪廓反應(yīng)細(xì)胞的發(fā)現(xiàn)以及對其一些反應(yīng)特性的研究，比較支持第二種觀點(diǎn)^[32]。

在計(jì)算機(jī)視覺領(lǐng)域，國內(nèi)外對認(rèn)知輪廓的研究主要集中在對一些典型認(rèn)知輪廓圖形的識別處理上。總體說來，主要有兩種解決問題的思路：一種是模擬視覺生理機(jī)制應(yīng)用神經(jīng)網(wǎng)絡(luò)解決問題；另一種是根據(jù)圖像元素之間的幾何關(guān)系進(jìn)行輪廓提取。但是，迄今為止還沒有一種模型或算法能處理所有類型的認(rèn)知輪廓圖形?，F(xiàn)有的模型或算法大都是從某一角度針對一些特定的認(rèn)知輪廓現(xiàn)象進(jìn)行研究和解決。其中最有影響力的工作是隨機(jī)修復(fù)場模型，其次是神經(jīng)元模型。

因?yàn)檎J(rèn)知輪廓提取過程涉及到復(fù)雜的認(rèn)知問題，很難對不同的方法進(jìn)行定量的比較，所以本文對現(xiàn)有的方法作了一個定性比較，如表1所示。

根據(jù)表1的比較結(jié)果，可從以下角度進(jìn)行分析：

a)從綜合性角度分析，現(xiàn)有的模型或算法大多數(shù)都是針對共線型認(rèn)知輪廓進(jìn)行處理，有些還只能處理直線，對以Ehrenstein中心光亮圓盤為代表的重組型認(rèn)知輪廓是許多現(xiàn)有模型或算法難以處理的認(rèn)知輪廓現(xiàn)象。在這方面隨機(jī)修復(fù)場模型、基于張量投票的方法和基于形狀匹配的方法優(yōu)于其他方法，但是這三種方法也沒有完全解決問題。隨機(jī)修復(fù)場模型采用神經(jīng)網(wǎng)絡(luò)通過計(jì)算兩個格林函數(shù)的卷積來計(jì)算修復(fù)場，其最大似然路徑通過一條最小能量曲線連接源點(diǎn)和目點(diǎn)，但是經(jīng)過復(fù)雜的計(jì)算，只能得到估計(jì)的修復(fù)區(qū)域，無法直接得到感知邊界，而且這一模型并沒有提供有關(guān)處理亮度信息以及提取源點(diǎn)、目點(diǎn)等必要特征點(diǎn)的線索；基于張量投票的方法要求對重組型的認(rèn)知輪廓進(jìn)行預(yù)處理提取出需要重組的端點(diǎn)作為輸入；基于形狀匹配的方法假定輪廓的形狀信息已知，避開了問題的難點(diǎn)和實(shí)質(zhì)所在。

b)從算法角度分析，大多數(shù)算法采用了迭代式的控制結(jié)構(gòu)，通過一個不斷優(yōu)化的過程來達(dá)到對圖像的最佳理解；基于神經(jīng)網(wǎng)絡(luò)的算法一般需要計(jì)算復(fù)雜度較高的卷積、多重積分等，對噪聲和干擾比較敏感，有些算法的復(fù)雜性和收斂性很難分析；有些算法保證了收斂性但系統(tǒng)輸出很難預(yù)測。Heitger和Vonder Heydt提出的神經(jīng)元模型也存在類似問題，即計(jì)算復(fù)雜、處理曲線型認(rèn)知輪廓時的輸出很難預(yù)測。

c)從數(shù)據(jù)結(jié)構(gòu)類型分析，雖然大多數(shù)算法都采用標(biāo)量型數(shù)據(jù)，但是采用矢量型或張量型數(shù)據(jù)的算法在綜合性和可擴(kuò)展性方面更為優(yōu)越。

3 認(rèn)知輪廓研究的發(fā)展方向

基于以上分析，認(rèn)知輪廓研究的發(fā)展方向可以概括為以下幾點(diǎn):

a)對認(rèn)知輪廓感知機(jī)理的研究。許多生理學(xué)實(shí)驗(yàn)都表明認(rèn)知輪廓知覺是人和動物為適應(yīng)環(huán)境而長期演化的視覺系統(tǒng)特性的一種反映，因而對認(rèn)知輪廓的感知是視覺系統(tǒng)信息處理的一個基本內(nèi)容，這對于探究人類視覺系統(tǒng)中物體識別的形成機(jī)制以及揭示人腦的認(rèn)知規(guī)律將是一項(xiàng)非常有意義的工作。

b)輪廓提取是圖像信息處理和計(jì)算機(jī)視覺中的一個基本問題?，F(xiàn)實(shí)中經(jīng)常存在的噪聲和遮擋使得提取完整的目標(biāo)輪廓成為一項(xiàng)極具挑戰(zhàn)性的任務(wù)。許多研究和分析表明人類視覺在感知識別認(rèn)知輪廓時體現(xiàn)的信息處理機(jī)制與處理遮擋的情況是一樣的，即修復(fù)認(rèn)知輪廓中的輪廓缺口和遮擋情況下的缺失邊界具有相同的視覺插值過程，因此對認(rèn)知輪廓感知修復(fù)方法的研究有助于解決遮擋情況下的輪廓提取問題。

c)推導(dǎo)三維物體的拓?fù)浣Y(jié)構(gòu)是計(jì)算機(jī)視覺中最難解決的問題之一，傳統(tǒng)模型多用于研究完全可見的物體。然而視覺中最驚人的特點(diǎn)在于視覺感知的正確性——即對外部世界的感知與外部世界本身物理特性的對應(yīng)。實(shí)際上，人類的視覺系統(tǒng)重構(gòu)了輸入人眼圖像的大部分而使視覺世界是完整的。由于認(rèn)知輪廓的感知修復(fù)方法可以處理被遮擋的目標(biāo)邊界，可以為推導(dǎo)三維物體的拓?fù)浣Y(jié)構(gòu)提供重要信息。

d)感知修復(fù)能力是人類視覺中最驚人的特性之一，如何從理論上解釋人類視覺的這種感知修復(fù)能力以及怎樣使計(jì)算機(jī)視覺具有這種能力一直是一個難題，對認(rèn)知輪廓的研究必將促進(jìn)計(jì)算機(jī)視覺中這一難題的解決。

e)認(rèn)知輪廓的應(yīng)用研究。認(rèn)知輪廓的原理和方法具有廣泛的應(yīng)用前景：(a)眾多研究表明，認(rèn)知輪廓雖然在靜態(tài)圖像中就可以感知到，但運(yùn)動會使認(rèn)知輪廓更加明顯，因而可以通過認(rèn)知輪廓的感知增強(qiáng)來分析物體的運(yùn)動；(b)降質(zhì)文本圖像的處理也可以理解為一種認(rèn)知輪廓現(xiàn)象，人眼憑借知識和經(jīng)驗(yàn)很容易修復(fù)降質(zhì)文本圖像中殘缺不全的文字，因而如何應(yīng)用認(rèn)知輪廓的感知原理和方法處理這類圖像具有重要的研究價值；(c)基于認(rèn)知輪廓對視覺高層編碼的啟示，可以針對圖像中目標(biāo)輪廓的高效率壓縮進(jìn)行研究，從而節(jié)省此類數(shù)據(jù)的存儲空間，并便于網(wǎng)絡(luò)傳輸。

參考文獻(xiàn)：

［1］HUBEL D，WIESEL T.Receptive fields and functional architecture of monkey striate cortex[J].Journal of Neuroscience，1968，195(1):215-243.

[2]OSGOOD C E.Method and theory in experimental psychology[M].New York:Oxford University Press，1953.

[3]BRIGNER W L，GALLAGHER M B.Subjective contour:apparent depth or simultaneous brightness contrast[J]. Perceptual and Motor Skills，1974，38(9):10471053.

[4] TYLER C W，APKARIANV P，NAKAYAMA K.Multiple spatial frequency tuning of electrical responses from the human visual cortex[J].Exp Brain Res，1978，33(5): 535-550.

[5]GROSSBERG S.2D vision and figureground separation by visual cortex[J].Perception Psychophysics，1994，55(1):48120.

[6]PASTORE N.Selective history of theory of visual perception[M].New York:Oxford University Press，1971:16501950.

[7]KANIZSA G.Organization in vision[M].Praeger:Praeger Publishers，1979.

[8]LEHAR S.Directional harmonic theory:a computational gestalt model to account for illusory contour and vertex formation[J].Perception，2003，32(4):423-448.

[9]COREN S，HOENIG P.Effect of nontarget stimuli upon length of voluntary saccades[J].Perceptual Motor Skills，1972，34(2):499-508.

[10]BRADLEY D R，DUMAIS S F.Ambiguous cognitive contours[J].Nature，1975，257:582-584.

[11]BRADLEY D R，PETRY H M.Organizational determinants of subjective contours[J].American Journal of Psychology，1977，90:253-262.

[12]KENNEDY J M.A figuredensity hypothesis and illusory contour brightness[J].Perception，1976，5:387-392.

[13]SMITH A，OVER R.Tilt aftereffects with subjective contours[J].Nature，1975，257:581-582.

[14]SMITH A，OVER R.Motion aftereffect with subjective contours[J].Perception and Psychophysics，1979，25(2):95-98. 

[15]ULLMAN S.Filling in the gaps:the shape of subjective contours and a model for their generation[J].Biological Cybernetics，1976，AC21:1-6.

[16]ULLMAN S.Aligning pictorial descriptions:An approach to object recognition[J].Cognition，1989，32:193-254.

[17]GROSSBERG S，MINGOLLA E.The role of illusory contours in visual segmentation[C]//Proc of the Perception of Illusory Contours.New York:SpringerVerlag，1987:116 125.

[18]PARENT P，ZUKER S W.Curvature consistency and curve detection[J].IEEE Trans on Pattern Recognition and Artificial Intelligence，1989，11:823-889.

[19]SHASHUA A，ULLMAN S.Structural saliency:the detection of globally salient structures using a locally connected network[C]//Proc of the 2nd International Conference on Computer Vision.Clearwater，F(xiàn)L:[s.n.]，1988:321-327.

[20]MADARASMI S，PONG T C，KERSTEN D.Illusory contour detection using MRF models[J].Neural Networks，1994，7:4343-4348.

[21]SARTI A，MALLADI R，SETHIAN J A.Subjective surfaces:a method for completing missing boundaries[C]//Proc of National Academy of Sciences.2000:6258-6263.

[22]HSINGKUO D G，RUBIN P N.Salient and multiple illusory surface[C]//Proc of IEEE Computer Society Conference on Computer Vision and Pattern Recognition.Santa Barbara:[s.n.]，1998:118124.

[23]SAUND E.Perceptual organization of occluding contours of opaque surfaces[J].Computer Vision and Image Understanding，1999，76(1):70-82.

[24]ZHU W，CHAN T.Illusory contours using shape information[EB/OL].(2003-03-09).http://www.math. ucla.edu/ applied/cam/index.html.

[25]HEITGER F.A computation model of neural contour processing:figureground segregation and illusory contours[C]//Proc of the 4th Int Conf Computer Vision.Washington DC:IEEE Computer Society Press，1994:32-40.

[26]WILLIAMS L R，JACOBS D W.Stochastic completion fields:a neural model of illusory contour shape and salience[C]//Proc of the 5th Intl Conf on Computer Vision ( ICCV’95).Cambridge:[s.n.]，1995.

[27]THORNBER K K，WILLAMS L R.Characterizing the distribution of completion shapes with corners using a mixture of random processes[J].Pattern Recognition，2000，33(4): 543-553.

[28]THORNBER K K，WILLIAMS L R.Orientation， scale and discontinuity as emergent properties of illusory contour shape[J].Neural Computation，2001，13(8): 16831711.

[29]ZWEK J W，WILLIAMS L R.Euclidean group invariant computation of stachastic completion fields using shiftabletwistable functions[J].Journal of Mathematical Imaging and Vision，2004，21(2):135154.

[30]THORNBER K K，WILLIAMS L R.Analytic solution of stochastic completion fields[J].Biological Cybernetics，1996，75:141151.

[31]LIU Haiying， HUANG Shenghua， Hong Jiguang. A new model of perceptual completion for occluded smooth boundary and illusory contour[J].Acta Automatica Sinica，1999，25(15):598-605.

[32]SEGHIER M L，VUILLEUMIER P.Functional neuroimaging findings on the human perception of illusory contours [J].Neuroscience and Biobehavioral Reviews，2006，30(5):595-612.

[33]HEDYT R Von der，PETERHANS E，BAUMGARTNER G.Illusory contours and cortical neuron responses[J].Science，1984，224:12601262.

[34]REDIES C，CROOK J M，CREUTZFELD O D.Neuronal response to borders with and without luminance gradients in cat visual cortex and dorsal lateral geniculate nucleus[J].Exp Brain Res，1986，61:469-481.

注：“本文中所涉及到的圖表、注解、公式等內(nèi)容請以PDF格式閱讀原文。”