方向选择性模型及其在图像处理中的应用

本书论述了视皮层中简单细胞的建模及其在图像理解中的几点应用，包含了人工智能、神经科学及认知科学等领域的内容，属于交叉学科的研究成果总结。本书在给简单细胞的方向选择性现象建立数学模型后，逐步将其用于图像的方向检测与表征、高层语义的识别与理解、场景的三维信息获取以及几何视错觉的成因分析。书中除了用严格的数学理论证明模型的正确性外，还用大量的数值仿真实验、真实图像实验以及统计实验验证算法的可行性。 本书为计算机视觉、神经视觉及认知科学的跨学科研究提供了一个新的视角，具有一定的学术性，可以为人工智能及认知科学研究者提供参考。

第1章 绪论
1.1 研究动机
1.2 相关研究
1.3 关于本书
1.4 符号说明
第2章 模型的生理基础
2.1 初级视觉通路
2.2 神经节及外膝体细胞的感受野
2.3 简单细胞的感受野
2.3.1 简单细胞的方向选择性
2.3.2 简单细胞感受野的经典模型
2.3.3 经典模型的问题及相关模型
第3章 外膝体对刺激的响应
3.1 与对比度无关的响应
3.2 响应函数及其性质
3.3 响应曲线
第4章 简单细胞的方向选择性
4.1 基本最小二乘模型
4.2 非线性优化模型
4.2.1 底层神经元：基于响应的有向距离估计
4.2.2 顶层神经元：基于最优化决策的方向判定
4.3 模型求解及解的性质
4.3.1 带二次约束的最小二乘法
4.3.2 解的性质
4.3.3 数值解
4.4 误差分析
4.5 改进的非线性加权模型
4.6 经典模型的方向歧义性
第5章 实验及分析
5.1 方向检测方法
5.2 模型的选择
5.3 参数的确定
5.3.1 覆盖率的选择
5.3.2 神经元密度
5.4 简单细胞感受野的模拟
5.5 刺激复杂度与计算误差
第6章 应用一：图像方向检测
6.1 检测方法
6.1.1 算法描述
6.1.2 并行优化
6.2 形状图像
6.3 自然图像
6.3.1 与边缘检测算法比较
6.3.2 与全局直线检测算法比较
6.3.3 与边缘检测及局部直线检测算法比较
6.3.4 与局部直线检测及轮廓检测算法比较
6.3.5 由粗到细的表征
6.4 对更高层处理的增强
6.4.1 分割效果的提升
6.4.2 匹配效果的提升
第7章 应用二：视错觉的解释
7.1 干扰导致的计算偏差
7.2 错觉的解释
7.2.1 Zollner 错觉
7.2.2 Orbison 错觉
7.2.3 Cafe Wall 错觉
7.2.4 Poggendorff 错觉
7.2.5 Hering 错觉
7.2.6 其他相关错觉
第8章 应用三：三维场景理解
8.1 图像的三维信息获取
8.2 成像模型
8.2.1 坐标系的设置
8.2.2 坐标系的变换
8.3 基本图形的三维信息
8.3.1 矩形
8.3.2 圆形
8.3.3 特殊三角形
8.4 场景综合特征分析
8.5 实验
8.5.1 特征提取
8.5.2 朝向计算实验
8.5.3 三维构建实验
总结
参考文献