视觉感知的目标识别算法

高庆一，逯 鹏，袁道任

(1.北京航空航天大学 计算机学院，100191 北京;2.郑州大学 电气工程学院，450001 郑州)

目标识别是图像处理中的研究热点之一.与基于像素的边缘检测［1］、图像分割［2］、模板匹配［3］等传统方法不同，人类视觉是通过感知信息的检测、提取、整合等过程完成目标识别.其原理和方法与计算机方法有着本质的不同.作为感知信息检测中最重要的机制，模拟感受野的信息处理模式是解决基于视觉的目标识别［4－5］的关键问题.目前典型的模型是二维Gabor 函数［6－7］.二维Gabor 函数拟合所得到的结果与视觉的非线性处理机制是冲突的［8］.主要原因是其只模拟简单细胞，缺少对复杂细胞感受野机制的模拟.

根据感受野特征的复杂度逐渐增高的特点，以感受野分层特性及神经元响应筛选的必要性为前提，以实现目标识别为目的，模拟复杂细胞感受野并利用侧抑制机制筛选神经元响应，进而设计算法并验证模型的有效性.从而建立新的视觉模拟计算模型，该模型首先去除图像二阶相关性，减少冗余;然后对简单细胞感受野的刺激进行拓扑特征提取，得到复杂细胞的感受野刺激响应;进而模拟侧抑制机制，解决非经典感受野对经典感受野的抑制作用易受制约的问题［9］.实验结果表明，算法能利用少样本实现大量图像的目标识别.

1 视觉计算模型

模拟视觉的计算模型如图1 所示.

图1 模拟视觉计算模型图

1.1 基函数训练

图像拓扑特征提取采用拓扑ICA［10］方法，算法思想是允许小邻域h(i，j)内分量间相关邻域外分量尽量独立，基函数的相关性是采用能量相关定义的.

式中:m 为邻域的宽度.当m=2 时，则定义了一个3×3 的邻域.

基函数的相关性用能量相关定义为

式中:G(·)为非线性调节函数;wi为分离基向量;x(t)为样本;学习算法采用自然梯度下降方法，更新规则为

式中:φ(X(k)uT(k))为批处理中的均值.

最后，将训练的拓扑基函数集合与图像结合得到图像的拓扑基函数响应.

为筛选并确定集合中响应强烈的神经元，首先根据目标特征设定阈值为

式中:wimax为最大响应系数;wimin为最小响应系数;λ 为常数.

算法1 拓扑基函数学习算法.

输入:16 幅样本图像.

输出:响应矩阵W 及相应的拓扑基函数A.

步骤:

1)随机采样样本图像，得到训练样本数据;

2)中心化和白化处理样本数据，作为算法输入数据;

3)基于ICA 模型S=WX 计算X，根据式(1)对W 进行更新，每个基函数归一化成为单位向量;

4)如果ΔW ≤θ 时，则停止迭代，否则回到步骤3);

5)停止学习，输出结果响应矩阵W 及原图像空间基函数矩阵A.

1.2 基于侧抑制的神经元筛选

神经系统的侧抑制［11］是某个神经元产生兴奋时，对相邻神经元有抑制作用.神经元侧抑制模型［12］如图2 所示.

图2 神经元侧抑制模型

设定Ro为神经元响应输出，Rj为输入，Rij为抑制阈值，n 为神经元细胞的抑制的范围，Kj为抑制系数，则侧抑制网络的数学模型为

两神经元之间的距离定义为欧几里德距离d.侧抑制系数Kj可表示为

式中α 为常数.

侧抑制网络的数学模型可以表示为

通过对抑制阈值Rij和抑制系数Kj的控制，达到对神经元响应的筛选.设筛选完成之后的输出为Y，若Rj≥Rij，将Y 置1;否则，将Y 置0.

图像刺激只是引起少部分神经元响应强烈，大部分神经元在基值0 附近，模拟侧抑制机制，筛选出响应强烈的神经元.

算法2 基于侧抑制的筛选算法.

输入:含有识别目标的图像和待测试图像.

输出:响应强烈神经元的侧抑制特征

步骤:

1)对样本图像顺序采样;

2)用主分量分析方法进行白化，得到预处理后的输入图像对应矩阵;

3)设定抑制阈值Rij和抑制系数Kj，将其输入与Rj比较;

4)将比较后的对应内容输出，即为响应强烈神经元对应特征.

2 目标识别算法

基于上述模型，目标识别算法TRA(Target Recognition Algorithm)基本思想是:首先从样本图像中学习并提取拓扑基函数;然后利用侧抑制机制对这些基函数进行筛选;最后用含有目标和待测试图像对神经元进行模拟刺激，通过对比差异识别目标.

算法3 目标识别算法TRA.

输入:含有识别目标的图像和待测试图像.

输出:感受野感受到的相应刺激内容.

步骤:

1)对采样的图像块进行白化处理;

2)基于ICA 模型S=WX 计算S;

3)利用侧抑制机制对S 进行筛选，找出最佳神经元响应;

4)输出该神经元所表示的感受野内容;

5)对有差异的图像神经元所表示的感受野内容进行对比，定位差异区域.

3 实 验

选取实验图像10 幅256×256 的规则的自然图像作为样本图像进行训练.

3.1 数据采样及预处理

算法在Matlab 7.1 环境下运行，操作系统为Windows XP，CPU 为Intel(R)Core(TM)2 Duo T5870 +@2.0 GHz，2.0 GHz@2 GB.

采用16×16 的滑动空间子窗口对每幅图像进行随机采样，这样可以消除像素之间的统计特性误差，10 幅图像共得到50 000×256 的输入数据集合;然后在简单细胞的感受野中将集合中心化和白化后并降至160 维，得到的样本矩阵作为基函数学习的输入;最后在复杂细胞感受野中对输入数据进行训练，得到视神经的拓扑基函数，如图3 所示.

图3 10 幅图像训练的拓扑基函数

3.2 目标识别

采用大小为16×16 的像素滑动空间子窗口对图像进行顺序采样.在实验中，受到实验图像刺激后，会有神经元产生响应，而这些响应刺激形成视觉感知的感受野，其感受野如图4 所示.

图4 实验图像的感受野

目标识别过程首先利用侧抑制机制筛选出响应刺激较强的神经元，然后根据神经元的响应位置定位图像区域的目标，如图5 所示.

3.3 实验对比

分别采用TRA 算法、边缘检测和图像分割3种方法进行目标识别，其实验结果如图6 所示.

图5 目标识别

由图6 可知，在山峰背景下和云层背景下，TRA 算法能够准确识别目标区域位置;边缘检测算法不能检测出目标轮廓;图像分割算法能检测出模糊目标轮廓，目标不易识别.90 幅有目标图像，3 种算法识别目标的结果如表1 所示.

图6 实验对比结果

表1 90 幅含有识别目标的图像的实验统计结果

4 结论

1)模拟复杂细胞感受野分层信息处理机制，并引入神经元之间的侧抑制机制来筛选神经元较强烈的响应，从而能模拟生物视觉的信息处理机制的视觉感知模型.

2)设计算法、高目标识别率验证了模型的有效性.实验结果表明，该方法能快速、准确地进行目标识别.

［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］逯鹏，李永强，王治忠，等.基于视觉感知的故障图像检测算法［J］.仪器仪表学报，2010，31(9):1997－2002.

［5］张菁，沈兰荪，David Dagan Feng.基于视觉感知的图像检索的研究［J］.电子学报，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.