生物视觉信息处理机制建模及形状目标识别

利用微电极阵列、光学成像等现代神经科学手段，研究生物视觉皮层从V1区到下颞(IT)区的信息处理过程，探索视觉感知不变性的和特征组织等生物视觉特有现象的内在关键神经机制；立足实验研究，发展和集成现有的视觉神经计算模型(如3D Laminart、Poggio的HMax分层模型等)，结合国际上关于视觉生理与心理研究的最新实验现象、分析与结论，进行生物视觉信息处理和形状目标识别理论的总体研究，构建一个能够在相当程度上反映生物大脑处理视觉信息机理的视觉计算模型及相应的计算机系统。使得所建立的模型　1) 对视觉信息处理的各个阶段所采用的机制符合视觉神经生理机制的基本实验结论；2) 与视觉心理实验现象相吻合，具有自发特征组群能力和对亮度、变形、旋转、尺度、运动等具有不变性；3) 有通用性，能处理含不同模式特征的自然景物图像。通过上述实验、理论分析和建模等工作，为自然场景理解和形状目标识别提供方法学支持。

本项目对生物视觉信息处理和目标识别理论及其应用进行研究，主要成果有：1) 在视觉信息处理、视觉神经生理机制等方面进行了深入的研究，设计了不同的实验范式。利用细胞内记录和染色技术，在国际上首次发现了“初级视皮层神经元”具有易化与抑制两种调制作用的神经元的形态学差异；提出了瞬间目标识别技术，其注意野 (FA) 范围可达200x240，注意野 (FA) 中心的精度可达90%以上；实验研究了猫初级视皮层神经元感受野和整合野特征随刺激对比度发生的变化，为视觉感知和目标识别提供视觉机理基础；2) 在基于生物视觉原理的计算机视觉模型方面，进行了清醒猴初级视皮层神经元的抑制性整合野的特性实验；基于神经节细胞及LGN神经元特性，提出了非经典感受野去抑制特性的图像去噪模型，及颜色恒常性模型；基于V1神经元非经典感受野，提出了空间非对称性的轮廓提取模型；研究了视皮层细胞功能集群特性分布的计算模型与应用。所提出模型已应用到图像目标识别，可增强目标图像边缘、提高信噪比、提升目标轮廓检测的精度等。3) 在目标与场景识别方面，提出了一种有效的图拓扑结构，并应用于基于图论的图像分割；研究了具有自发特征组群能力和光照、旋转、尺度等不变性的特征描述子及其识别方法；针对场景分类和目标识别的特点，分别提出GBPWHGO和GLID两种图像局部特征描述子；提出了基于低层特征建模的自然场景分类方法、基于局部特征建模的图像分类识别等一系列创新方法。. 本项目实施过程中，项目组在Cerebral Cortex (IF=6.544), NeuroImage (IF= 5.895), IEEE Transactions, PLOS ONE, Pattern Recognition, 《中国科学》等SCI期刊发表 (含已录用) 论文35篇。培养研究生16名，获授权国家发明专利10项，获湖南省自然科学奖一等奖，获2012年度国家自然科学奖二等奖，获国际机器视觉任务竞赛 (ImageCLEF’2011) 第二名、国际视觉目标分类挑战赛 (VOC’2011) 行为组亚军。项目组通过积极参与相关领域主流国际会议、邀请国外专家访问等方式，与国外同行进行了深入的学术交流与合作。