視覺感知的目標識別算法

高慶一，逯 鵬，袁道任

(1.北京航空航天大學 計算機學院，100191 北京;2.鄭州大學 電氣工程學院，450001 鄭州)

目標識別是圖像處理中的研究熱點之一.與基于像素的邊緣檢測［1］、圖像分割［2］、模板匹配［3］等傳統方法不同，人類視覺是通過感知信息的檢測、提取、整合等過程完成目標識別.其原理和方法與計算機方法有著本質的不同.作為感知信息檢測中最重要的機制，模擬感受野的信息處理模式是解決基于視覺的目標識別［4－5］的關鍵問題.目前典型的模型是二維Gabor 函數［6－7］.二維Gabor 函數擬合所得到的結果與視覺的非線性處理機制是沖突的［8］.主要原因是其只模擬簡單細胞，缺少對復雜細胞感受野機制的模擬.

根據感受野特征的復雜度逐漸增高的特點，以感受野分層特性及神經元響應篩選的必要性為前提，以實現目標識別為目的，模擬復雜細胞感受野并利用側抑制機制篩選神經元響應，進而設計算法并驗證模型的有效性.從而建立新的視覺模擬計算模型，該模型首先去除圖像二階相關性，減少冗余;然后對簡單細胞感受野的刺激進行拓撲特征提取，得到復雜細胞的感受野刺激響應;進而模擬側抑制機制，解決非經典感受野對經典感受野的抑制作用易受制約的問題［9］.實驗結果表明，算法能利用少樣本實現大量圖像的目標識別.

1 視覺計算模型

模擬視覺的計算模型如圖1 所示.

圖1 模擬視覺計算模型圖

1.1 基函數訓練

圖像拓撲特征提取采用拓撲ICA［10］方法，算法思想是允許小鄰域h(i，j)內分量間相關鄰域外分量盡量獨立，基函數的相關性是采用能量相關定義的.

式中:m 為鄰域的寬度.當m=2 時，則定義了一個3×3 的鄰域.

基函數的相關性用能量相關定義為

式中:G(·)為非線性調節函數;wi為分離基向量;x(t)為樣本;學習算法采用自然梯度下降方法，更新規則為

式中:φ(X(k)uT(k))為批處理中的均值.

最后，將訓練的拓撲基函數集合與圖像結合得到圖像的拓撲基函數響應.

為篩選并確定集合中響應強烈的神經元，首先根據目標特征設定閾值為

式中:wimax為最大響應系數;wimin為最小響應系數;λ 為常數.

算法1 拓撲基函數學習算法.

輸入:16 幅樣本圖像.

輸出:響應矩陣W 及相應的拓撲基函數A.

步驟:

1)隨機采樣樣本圖像，得到訓練樣本數據;

2)中心化和白化處理樣本數據，作為算法輸入數據;

3)基于ICA 模型S=WX 計算X，根據式(1)對W 進行更新，每個基函數歸一化成為單位向量;

4)如果ΔW ≤θ 時，則停止迭代，否則回到步驟3);

5)停止學習，輸出結果響應矩陣W 及原圖像空間基函數矩陣A.

1.2 基于側抑制的神經元篩選

神經系統的側抑制［11］是某個神經元產生興奮時，對相鄰神經元有抑制作用.神經元側抑制模型［12］如圖2 所示.

圖2 神經元側抑制模型

設定Ro為神經元響應輸出，Rj為輸入，Rij為抑制閾值，n 為神經元細胞的抑制的范圍，Kj為抑制系數，則側抑制網絡的數學模型為

兩神經元之間的距離定義為歐幾里德距離d.側抑制系數Kj可表示為

式中α 為常數.

側抑制網絡的數學模型可以表示為

通過對抑制閾值Rij和抑制系數Kj的控制，達到對神經元響應的篩選.設篩選完成之后的輸出為Y，若Rj≥Rij，將Y 置1;否則，將Y 置0.

圖像刺激只是引起少部分神經元響應強烈，大部分神經元在基值0 附近，模擬側抑制機制，篩選出響應強烈的神經元.

算法2 基于側抑制的篩選算法.

輸入:含有識別目標的圖像和待測試圖像.

輸出:響應強烈神經元的側抑制特征

步驟:

1)對樣本圖像順序采樣;

2)用主分量分析方法進行白化，得到預處理后的輸入圖像對應矩陣;

3)設定抑制閾值Rij和抑制系數Kj，將其輸入與Rj比較;

4)將比較后的對應內容輸出，即為響應強烈神經元對應特征.

2 目標識別算法

基于上述模型，目標識別算法TRA(Target Recognition Algorithm)基本思想是:首先從樣本圖像中學習并提取拓撲基函數;然后利用側抑制機制對這些基函數進行篩選;最后用含有目標和待測試圖像對神經元進行模擬刺激，通過對比差異識別目標.

算法3 目標識別算法TRA.

輸入:含有識別目標的圖像和待測試圖像.

輸出:感受野感受到的相應刺激內容.

步驟:

1)對采樣的圖像塊進行白化處理;

2)基于ICA 模型S=WX 計算S;

3)利用側抑制機制對S 進行篩選，找出最佳神經元響應;

4)輸出該神經元所表示的感受野內容;

5)對有差異的圖像神經元所表示的感受野內容進行對比，定位差異區域.

3 實 驗

選取實驗圖像10 幅256×256 的規則的自然圖像作為樣本圖像進行訓練.

3.1 數據采樣及預處理

算法在Matlab 7.1 環境下運行，操作系統為Windows XP，CPU 為Intel(R)Core(TM)2 Duo T5870 +@2.0 GHz，2.0 GHz@2 GB.

采用16×16 的滑動空間子窗口對每幅圖像進行隨機采樣，這樣可以消除像素之間的統計特性誤差，10 幅圖像共得到50 000×256 的輸入數據集合;然后在簡單細胞的感受野中將集合中心化和白化后并降至160 維，得到的樣本矩陣作為基函數學習的輸入;最后在復雜細胞感受野中對輸入數據進行訓練，得到視神經的拓撲基函數，如圖3 所示.

圖3 10 幅圖像訓練的拓撲基函數

3.2 目標識別

采用大小為16×16 的像素滑動空間子窗口對圖像進行順序采樣.在實驗中，受到實驗圖像刺激后，會有神經元產生響應，而這些響應刺激形成視覺感知的感受野，其感受野如圖4 所示.

圖4 實驗圖像的感受野

目標識別過程首先利用側抑制機制篩選出響應刺激較強的神經元，然后根據神經元的響應位置定位圖像區域的目標，如圖5 所示.

3.3 實驗對比

分別采用TRA 算法、邊緣檢測和圖像分割3種方法進行目標識別，其實驗結果如圖6 所示.

圖5 目標識別

由圖6 可知，在山峰背景下和云層背景下，TRA 算法能夠準確識別目標區域位置;邊緣檢測算法不能檢測出目標輪廓;圖像分割算法能檢測出模糊目標輪廓，目標不易識別.90 幅有目標圖像，3 種算法識別目標的結果如表1 所示.

圖6 實驗對比結果

表1 90 幅含有識別目標的圖像的實驗統計結果

4 結論

1)模擬復雜細胞感受野分層信息處理機制，并引入神經元之間的側抑制機制來篩選神經元較強烈的響應，從而能模擬生物視覺的信息處理機制的視覺感知模型.

2)設計算法、高目標識別率驗證了模型的有效性.實驗結果表明，該方法能快速、準確地進行目標識別.

［1］LEI Xiaogang，LI Ying，ZHAO Na，et al.Fast segmentation approach for SAR image based on simple Markov random field［J］.Journal of Systems Engineering and Electronics，2010，21 (1):31－36.

［2］CHEN Weibin，ZHANG Xin.Based on an improved sobel edged etection operator in the application［C］//Proceedings of 2010 4th International Conference on Intelligent Information Technology Application(IITA).Hebei Province:IEEE，2010:439－442.

［3］OUYANG Yi，XING Jianguo.Based on adaptive weighted CAMSHIFT human motion tracking algorithm［C］//Proceedings of 2010 2nd International Conference on Intellectual Technology in Industrial Practice (ITIP2010).Hebei Province:IEEE，2010:85－87.

［4］逯鵬，李永強，王治忠，等.基于視覺感知的故障圖像檢測算法［J］.儀器儀表學報，2010，31(9):1997－2002.

［5］張菁，沈蘭蓀，David Dagan Feng.基于視覺感知的圖像檢索的研究［J］.電子學報，2008，36(3):494－499.

［6］HARUTIUNIAN-KOZAK B A，KHACHVANKYAN D K，GRIGORYAN G G，et al.Dynamic spatial organization of receptive fields of neurons in the 21a cortical area［J］.Neurophysiology，2010，45(3):175－184.

［7］XU Wanying，HUANG Xinsheng，WANG Yiping，et al.A biologically motivated corner detection method based on the oriented receptive fields of simple cortical cells［C］//Proceedings of the 2010 International Conference on Biomedical Engineering and Computer Science (ICBECS).Washington，DC:IEEE Computer Society，2010:1－4.

［8］OLSON S J，GROSSBERG S.A neural network model for the development of simple and complex cell receptive fields within cortical maps of orientation and ocular dominance ［J］.Neural Networks，1998，11(2):189－208.

［9］DOU Y，WANG L F，KONG L F.A model of nonclassical receptive field in visual cortex［J］.Journal of Yanshan University，2009，33(2):109－113.

［10］LEE Gin-Chong，LOO Chu-Kiong，LETCHUMANAN C.Two-factor face authentication:topographic independent component analysis (TICA) and multispace random projection (MRP) ［C］//Proceedings of the 2009 International Conference of Soft Computing and Pattern Recognition.Washington，DC:IEEE Computer Society，2009:756－761.

［11］RATLIFF F，HARTLINE H.The responses of the Limulus optic nerve fibers to patterns of illumination on the receptor mosaic［J］.J Gen Physiol，1959，42 (6):1241－1255.

［12］CHEN Yuepeng，FU Hongwei.Study and application of lateral inhibition models in image's contour enhancement ［C］//Proceedings of the 2010 International Conference on Computer Application and System Modeling (ICCASM).Washington，DC:IEEE Computer Society，2010:23－27.