结合稀疏编码的生物视觉特征提取方法new

《结合稀疏编码的生物视觉特征提取方法new》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第38卷第13期计算机工程2012年7月Vol.38No.13ComputerEngineeringJuly2012·专栏·文章编号：1000—3428(2012)13—0001—04文献标识码：A中图分类号：TP391.4结合稀疏编码的生物视觉特征提取方法a,ba,ba,b钱康，霍宏，方涛(上海交通大学a.自动化系；b.系统控制与信息处理教育部重点实验室，上海200240)摘要：在分析视皮层标准模型的基础上，从S2层的生物视觉机理出发，提出一种结合稀疏编码的生物视觉特征提取方法。对原始标准模型中C1层的输出进行稀疏

2、编码，生成S2层的特征，并在此基础上产生C2特征。将标准模型产生的特征和该方法提取的特征应用于图像分类中进行对比实验，实验结果表明，与标准模型相比，该方法可以更有效地提取生物视觉特征。关键词：生物视觉；视觉特征提取；标准模型；稀疏编码；C2特征；图像分类BiologicalVisualFeaturesExtractionMethodCombinedwithSparseCodinga,ba,ba,bQIANKang,HUOHong,FANGTao(a.DepartmentofAutomation;b.KeyLabora

3、toryofSystemControlandInformationProcessing,MinistryofEducation,ShanghaiJiaotongUniversity,Shanghai200240,China)【Abstract】Basedontheanalysisofthestandardmodelofvisualcortex,thebiologicalvisualfeaturesextractionmethodcombinedwithsparsecodingisproposedinspiredbyt

4、hebiologicalvisualmechanismofS2layer.Inthemethod,S2featuresisgeneratedbysparsecodingoftheoutputofC1layer,thenC2featuresisgeneratedbasedonS2features.TheStandardModelFeature(SMF)andtheSparseCodingSMF(SCSMF)ofthemethodareappliedinthecomparingexperimentsofimageclas

5、sification,andresultsshowthatthemethodcanextractbiologicalvisualfeaturesmoreeffectivelythanthestandardmodel.【Keywords】biologicalvision;visionfeatureextraction;standardmodel;sparsecoding;C2features;imageclassificationDOI:10.3969/j.issn.1000-3428.2012.13.0011概述获得

6、SCSMF(SparseCodingSMF)，本文中的SMF(Standard人类视觉系统可以快速地处理大量的视觉信息，经过几ModelFeature)和SCSMF特指C2层的特征。十年的努力，人类对于视皮层的工作机理已有一定的认识。2相关工作视觉皮层的目标识别主要由腹部通路完成，视觉信息通过初2.1ST模型[2]级视皮层(V1区)、次级视皮层(V2区)经高级视皮层(V4区)ST模型是模拟视皮层腹侧通路中第100ms~第200ms投射至下颞叶(IT)，完成图像分类等复杂任务。信息处理的前馈过程，主要通过S1、C1、S

7、2、C24层对这受生物视觉启发，近年来文献[1-2]提出了一种基于视觉个前馈过程进行定量描述。皮层腹侧通路理论的目标识别量化层次模型，称作视皮层标(1)S1层准模型，简称为ST模型，也称作HMAX(HierarchicalModelS1层模拟的是视皮层V1区的简单细胞。S1层的输入是andX)模型，主要由S1、C1、S2、C24层构成，其中，“S”原始灰度图像，图像大小在140140像素~256256像素之间[3][8]模拟简单细胞；“C”模拟复杂细胞。利用ST模型提取的特(分别对应4°和7°的视角)。输入图像经

8、过一组不同尺度和征具有尺度和位置不变性，且旋转不变性可以通过引进不同方向的Gabor滤波器卷积产生S1层的输出，ST模型中由旋转角度的训练样本来获得。ST模型可从简单特征中获得过16个尺度、4个方向(0°、45°、90°、135°)构成共计64个完备复杂特征集，即S2层的特征字典。但如何得到这个特征Gabor滤波器，这样在每个尺度每个位置都存在