视觉心理学原理启发的二维形状分解方法及其应用研究

Shape is the key visual feature of object which plays a crucial role in human recognition. Psychophysics study suggests that the human visual system represents the shape of an object in terms of a set of parts and the spatial relationships between them. Shape decomposition is an essential part to simulate the visual process, but there still some unsolved problems in the computational model of it: a quantitative critical is absent to evaluate the model; psychophysics theories are not substantial used in the model; the complex relation between the resulted visual parts is difficult to describe. The proposed project try to study a shape decomposition model, which decomposes shape in the nature's way, by implementing psychophysics principles. We plan to achieve the goal in three steps. The first step tries to convert the psychophysics principle, e.g. the minima rule, the short-cut rule and the convexity rule, into computational models or constraints. The quantitative evaluation method will be studied by using the statistical data of psychophysics experiments at the same time. The second step fuses the outcome of the previous step into a unified model. The third step studies the hierarchical representation of a shape based on the output of the decomposition model, and its application in object recognition or other tasks. The proposed research can make us understanding the visual process better, and can provide a new approach for the occlusion, local deformation and partial absence problems in automatic image processing systems.

形状是物体最主要的视觉特征，在其识别过程中起着关键的作用。视觉心理学研究表明人类视觉系统自动地对形状进行分解，并用得到的视觉部件及它们之间的关系来描述形状。形状分解是模拟该视觉过程的重要步骤，然而其中一些关键科学问题尚待解决：模型缺少定量评估方法，视觉心理学知识应用不足，视觉部件之间的复杂关系难以描述。本项目从实现视觉心理学原理计算模型的角度出发，研究与人类视觉感知相符合的形状分解方法，分为探索、综合与应用三个阶段：首先将极小值原则、捷径原则、凸原则等视觉心理学原理转化为可计算的模型或约束，同时利用心理学实验统计数据建立形状分解量化评估方法，对转化模型进行反馈；然后融合上述模型和约束，建立统一的计算模型；最后结合目标识别等领域的具体应用，探索基于视觉部件的形状层次化描述方法。项目的研究有助于提高人们对视觉感知过程的理解，并为图像自动处理系统提供克服遮挡、局部形变、部分缺失等困难的新途径。

形状是物体最主要的视觉特征，在其识别过程中起着关键的作用。视觉心理学研究表明人类视觉系统自动地对形状进行分解，并用得到的视觉部件及它们之间的关系来描述形状。形状分解是模拟该视觉过程的重要步骤，然而从视觉心理学原理到可计算模型之间还有一些科学问题没有解决，存在一道鸿沟。为了弥补这道鸿沟，本项目从形状割的定义、极小值原则、捷径原则等视觉心理学原理出发，提出对形状分解视觉过程的4个观察，形成可计算的形状分解模型与约束。之后以捷径原则为启示，提出一种基于贪心策略的形状分解方法，能够将物体形状分解为较符合人类感知的视觉部件。为了改变以前由人工对少数几个形状分类结果的主观判断来评测形状分解算法性能的现状，项目基于形状分解心理学实验，借鉴混合高斯模型的思想提出一种基于“割密度图”的形状分解量化评估方法，能够更为客观地评价算法性能。项目组在对形状特征深入研究的基础上，将形状约束应用到视觉跟踪问题中，首次提出在目标跟踪过程中利用“目标候选”动态地调整跟踪目标尺度和宽高比，能够极大提高跟踪器对目标尺度和宽高比变化的适应能力。项目对形状特征的研究成果可应用于计算机视觉相关任务，同时对理解人类视觉过程的行为心理学研究也有一定借鉴价值。