基于感知学习的图像线性结构检测方法研究

本课题为自然场景中线性结构的检测建立了一个基于感知学习的模型。通过条件随机场将Gabor能量滤波器得到区域特征与感知聚类准则得到上下文的作用方式整合在一个统一框架中，实现了先验知识与实时信息的合理运用，并通过与周围邻域之间进行上下文动态交互信息，达到由局部到全局的认识，从而获得更可靠、更准确的线形结构检测性能。为了建立相应的快速计算方法，通过两种措施提高模型的运行效率：1）采用一种高效的推论引擎，减少了迭代次数与存储空间；2）推导出一种自适应的学习率，为条件随机场的学习提供了一种快速训练方法。此外，基于两个主观假定，首次对感知聚类信息的可靠性进行统计分析研究，从而将这个线性结构检测模型与心理学、生理学联系起来，有助于对人类视觉感知原理与方法的认识。