图像颜色和形状特征绑定的脑认知过程及模型研究

图像视觉特征在图像理解中扮演着重要的角色。但是图像的单一特征和高层语义关联性较弱，多特征综合才能更加全面描述高层语义。现有的多特征融合技术还存在一些缺陷，致使计算机的图像处理能力远逊于人类处理效率，远不能满足当今社会的发展需求。鉴于目前计算机图像处理技术所面临的瓶颈，本项目按照人类观看图像的方式研究图像视觉特征融合的认知过程，重点研究颜色和形状特征提取、存储和绑定的神经机制和认知过程。合理设计认知实验，记录并分析fMRI（functional Magnetic Resonance Imaging）实验数据，发现特征绑定的神经机制，建立认知模型，理解和解释特征绑定的认知过程，进一步使用计算机建模技术形成计算机可实现的模型和算法，并将模型输出数据与实际得到的fMRI数据进行比较来验证模型的性能。项目对于揭示人的视觉感知过程，推动图像检索和图像理解具有一定的理论意义和学术价值。

本课题旨在探索大脑对颜色和形状特征提取、存储和捆绑的神经机制和认知过程，研究相应计算机模型的构建方法。.图像是由颜色、形状等不同维度特征的视觉信息组合而成，为了识别外部世界中的一个对象，大脑必须能够把不同区域中的信息整合起来，形成一个完整的知觉。研究大脑的认知机制和计算机模型的构建已经成为计算机视觉领域中的一个研究热点和难点。近年来，学者们对模拟人类的视觉系统进行了大量的研究，然而，对特定低层特征的提取、存储和捆绑的认知机制和计算机模型研究较少。因此研究视觉特征捆绑的神经机制和认知过程，模拟视觉神经机制构建计算机模型，具有重要的理论意义和应用价值。.本课题针对颜色和形状特征捆绑的任务设计了相应实验范式，采集和分析了功能核磁共振（fMRI）数据，揭示了相关的激活脑区，构建了特征捆绑任务态下的功能脑网络；引入双阶段遗传算法，构建了动态因果模型；在简化的脉冲耦合神经网络模型（PCNN）的基础上，提出了基于矢量和基于视觉特性的特征捆绑PCNN模型，解决了彩色图像特征的分离捆绑和同色不同区域的分离捆绑问题；通过分析视觉系统的结构和通路，构建了基于视皮层功能的捆绑模型。.主要工作和创新点如下：.1）针对颜色和形状捆绑的任务，运用实验心理学理论，设计了颜色和形状特征捆绑的认知实验并采集数据。利用统计参数映射方法和独立成分分析方法分析fMRI数据，揭示颜色和形状特征捆绑的激活脑区。.2）研究任务态脑网络构建方法，实现不同模态下脑网络构建中脑结点及连接定义，计算了度，中间中心度及节点效率等相关技术指标及属性分析。.3）引入双阶段遗传算法，构建了动态因果模型，寻优过程更稳定高效，寻优的结果更具优异性。.4）提出基于矢量的特征捆绑PCNN模型（V-FBPCNN）和基于视觉特性的特征捆绑PCNN模型（VC-FBPCNN）。.5）构建基于VC-FBPCNN的视皮层功能构筑的特征捆绑模型。