论文部分内容阅读
当前，计算机在很多方面上已经超过了人类，尤其在计算能力、记忆能力和逻辑推理方面，但在感知能力、洞察力、创造力和形象思维方面还远远不及人类。因此，通过模仿生物进化得来的不可思议之处，可以有效的弥补计算机在智能化方面的不足。近几年，生物视觉系统的研究工作取得了较大进展，初步了解了人类视觉构造、视觉感知通路、视觉记忆机制等一系列重要视觉信息处理机制，这些机制为计算机视觉技术提供了重要启发。本文以视觉机理与特性为指导，从不同方面模拟视觉信息处理机制，重点研究其在图像去雾、特征提取和年龄估计三个方面的应用。 雾是一种常见的自然现象，它会导致获取的图像产生对比度低和不清晰等问题，降低了图像的使用价值，因此，图像去雾技术是图像处理领域中的重要的研究问题之一。本文根据亮度自适应特性和人类视网膜非经典侧抑制特性，分别从图像增强和图像复原两个角度提出了两种仿生图像去雾方法。第一种方法为基于增强的仿生单幅图像去雾方法，首先根据人眼亮度自适应特性进行全局对比度调整，然后对图像进行受限直方图均衡化，最终用基于非经典侧抑制特性的三高斯模型进行图像细节的增强。第二种方法为基于复原的仿生单幅图像去雾方法，方法首先根据暗原色先验规律对透射率进行了粗估计，然后采用视觉特性的三高斯模型对粗透射率进行了进一步的细化，在提升局部对比度的同时，很好的保留了边缘信息。最后对预估的透射率修正，消弱了复原图像中的白边效应及天空区域色彩失真问题。定性和定量实验分析均证明了两种仿生方法的有效性。 特征提取是图像分析系统中不可或缺的组成部分，在视觉应用中起着关键作用。本文针对特征提取问题提出了一种基于仿生学的不相关空间局部保持鉴别分析方法，此方法基于两种仿生特性:同源连续性和异源相似性。结合这两种仿生特性，构建了一种新的邻接系数表示方法，该方法不仅能够利用不同样本间的类别信息，而且能反映同类样本之间的连续性和不同类样本之间的相似性。本文给出了此方法基于奇异值分解的求解步骤。此外，还对此方法讲行扩展，提出了其非线性版本。最后将本文方法与经典的特征提取方法在四个人脸识别基准库上进行对比实验，实验表明本文方法和其非线性版本具有突出的性能。 年龄估计是人脸诸多问题的一个难点，人类对年龄的预测尚存在一定不确定性。针对公开年龄样本库不足的问题，本文首先通过数据爬虫技术构建了ADCAS人脸年龄数据库;其次，采用生成对抗网络解决了年龄样本不均衡的问题;最后，采用具有视觉分层感知特性的卷积神经网络对年龄问题分别从分类和回归两个方面进行建模。基准年龄数据库的实验结果表明，算法具有较好的表现能力。 综上所述，本文从多个方面对人类视觉系统和认知特性进行了研究，同时依据人类视觉特性对其在图像去雾、特征提取和年龄估计问题中的应用做了深入探索。仿真实验证明了仿生学方法解决图像处理与分析问题的可行性和有效性，此外，本文的研究工作对视觉仿生领域开展更为深入的研究提供了新思路。