由于人左右眼间距的存在,使得同一空间物体在左右眼视网膜上的投影存在位置差异,称之为视差.左右眼视网膜获取的信息最初在初级视皮层(V1区)进行融合,该区域有大量对视差敏感的神经元.关于它们的视差选择特性,目前比较公认的计算模型是...由于人左右眼间距的存在,使得同一空间物体在左右眼视网膜上的投影存在位置差异,称之为视差.左右眼视网膜获取的信息最初在初级视皮层(V1区)进行融合,该区域有大量对视差敏感的神经元.关于它们的视差选择特性,目前比较公认的计算模型是视差能量模型,然而该模型却无法解释V1区神经元对反相关随机点立体图(Anti-correlated random dot stereograms,aRDS)的响应要比对随机点立体图的响应弱这一神经生理学发现.为此,本文提出了一种加权视差能量模型:首先,利用左右眼感受野内的信号差异对神经元的响应能量进行调制,然后再结合神经元之间的相互作用来计算细胞群响应,从而得到图像视差.本文旨在探索基于神经生理学的视差计算方法,主要贡献有:1)加权视差能量模型能够很好地解释V1区神经元对反随机点立体图的响应比随机点立体图响应弱的生理特性;2)加权视差能量模型的视差计算结果精度比现有基于神经生理学的模型更高,甚至高于一些传统的计算机视觉方法.展开更多
文摘由于人左右眼间距的存在,使得同一空间物体在左右眼视网膜上的投影存在位置差异,称之为视差.左右眼视网膜获取的信息最初在初级视皮层(V1区)进行融合,该区域有大量对视差敏感的神经元.关于它们的视差选择特性,目前比较公认的计算模型是视差能量模型,然而该模型却无法解释V1区神经元对反相关随机点立体图(Anti-correlated random dot stereograms,aRDS)的响应要比对随机点立体图的响应弱这一神经生理学发现.为此,本文提出了一种加权视差能量模型:首先,利用左右眼感受野内的信号差异对神经元的响应能量进行调制,然后再结合神经元之间的相互作用来计算细胞群响应,从而得到图像视差.本文旨在探索基于神经生理学的视差计算方法,主要贡献有:1)加权视差能量模型能够很好地解释V1区神经元对反随机点立体图的响应比随机点立体图响应弱的生理特性;2)加权视差能量模型的视差计算结果精度比现有基于神经生理学的模型更高,甚至高于一些传统的计算机视觉方法.
基金supported by grants from The National Natural Science Foundation of China(61575025)the fund of the State Key Laboratory of Information Photonics and Optical Communications(IPOC2016ZZ02)~~