基于人眼侧抑制机制的自动色彩均衡化算法

针对传统自动色彩均衡化(ACE)算法增强后的图像局部效果较差、运算速度较慢等问题,提出一种基于人眼侧抑制机制的ACE算法。ACE算法模拟人眼的侧抑制机制,在目标点周边选取符合侧抑制有效作用范围的二维圆形区域,并在该区域内选取服从高斯分布的采样点,将目标点和采样点进行差分比较,增强对比度。该算法能使运算集中在相关度较高的像素点内,降低算法复杂度。实验结果表明,该算法具有较好的细节增强效果及较快的处理速度。

一种基于皮层柱侧抑制机制的神经网络群

建立了一种基于皮层柱侧抑制机制的神经网络群,模拟大脑皮层柱的神经元点火现象,并利用该神经网络群进行位置跟踪.采用Stein神经元构建神经网络群;将皮层柱的侧抑制机制应用于神经网络群编码、解码,实现神经网络群的负相关点火,并从理论上证明负相关点火的优越性.仿真实验结果表明,皮层柱侧抑制机制的应用大大提高了位置跟踪精度以及系统稳定性.

结合侧抑制机制的自动编码器训练新算法

深度学习是目前最热门的机器学习方法之一。针对深度学习中的自动编码器在训练时容易产生网络模型复杂度过高、输出矩阵不够稀疏、小样本训练过拟合等问题,提出一种结合侧抑制机制的自动编码器训练新算法。算法构建了用于隐藏层的侧抑制神经元筛选模型。首先设定抑制限寻找符合抑制条件的神经元,然后通过侧抑制函数对符合条件的神经元进行快速输出抑制,运用反向传播算法对模型进行优化,最终输出权重特征。实验结果表明,算法能够使隐藏层输出近似满足稀疏条件并学习得到更加鲁棒的特征,提高分类正确率的同时还能一定程度上抑制过拟合现象。

基于视觉侧抑制特性的自动色彩均衡算法

针对摄影测量和可见光遥感图像存在的曝光失衡、对比度低等缺陷及标准自动色彩均衡算法未充分顾及部分区域的色彩特征问题,基于模拟人眼视觉特性的非循环侧抑制模型和高斯分布函数,对标准自动色彩均衡算法进行改进。利用非循环侧抑制网络模型计算目标点的修正亮度值,由高斯分布函数选择高相关度的采样点,降低算法复杂度。使用标准自动色彩均衡算法和改进自动色彩均衡算法对三幅存在不同色彩缺陷的图像进行对比实验;经算法处理的图像均值更合理,且标准差和熵等重要参数均较原算法有所提升;其中标准差提高15%。实验结果表明,本算法具有较好的色彩均衡效果和的视觉效果。

基于Hodgkin-Huxley模型的皮层柱侧抑制神经元群

HH(Hodgkin-Huxley)神经细胞模型一般被用于研究单个神经细胞的行为和特性,很少被用于构造人工神经系统.考虑神经细胞具有抑制性联结和兴奋性联结,将HH模型进行发展,提出了基于HH模型的神经元群,模拟大脑皮层柱的生理结构及侧抑制特性.分别将皮层柱内及皮层柱间的侧抑制机制应用于神经元群编码、解码,进行位置跟踪;改变解码策略,实现"胜者为王"功能.仿真实验表明了该神经元群模型的有效性,侧抑制特性的应用大大提高了位置跟踪精度、"胜者为王"效果.

一种基于IF模型侧抑制神经网络群的PITS学习算法

构建了一种基于IF模型的侧抑制神经网络群,用以实现位置定位.采用基于H-H模型简化的IF模型构造神经网络群并基于概率密度分布进行位置定位.在神经网络群学习过程中,运用PITS(progressive interactive training scheme)方法进行参数学习,利用信息中心(IC)储存每次训练的结果,在保证输出收敛的情况下,比较跟踪结果的误差函数给出权值调整公式进行自学习.实验结果表明:基于IF模型构建的神经网络群可以实现位置定位.采用H-H模型简化的IF模型提高了学习效率和定位速度;运用PITS算法进行参数学习提高了定位精度.

命名任务下汉字家族效应:语音总体激活与侧抑制

本研究以大学生为被试,通过两个快速命名实验,考察声旁家族和笔画家族的家族大小效应,以揭示命名任务下的汉字家族效应。结果发现:声旁大家族出现了促进效应,笔画大家族出现了抑制效应。研究结果说明:命名任务下的声旁家族与笔画家族效应不同;声旁家族促进效应与其语音激活有关,而笔画家族抑制效应与其强势的侧抑制有关;命名任务下的汉字家族效应是促进还是抑制可能取决于语音总体激活与侧抑制的共同作用。

对数域中自动色彩均衡化快速算法

对于存在颜色一致区域或低对比度区域的图像,在校正后往往会出现"灰化"现象.尽管自动色彩均衡化(ACE)算法采用整幅图像作为计算子集进行颜色校正,在一定程度上克服了"灰化"现象,但导致了计算量的大幅增加.针对这一问题,提出一种在对数域内融合了局部特征和全局特征的克服"灰化"现象的算法.首先将原图像变换到对数域,实现光照与反射系数的解耦;然后对变换后的图像进行局部特征计算/侧抑制调整,同时计算图像的全局特征;最后利用标准的增益与偏移方法将两者的融合图像映射到正常显示的区域,并改善图像的对比度.实验结果表明,该算法不仅可以大大减少计算量并有效克服"灰化"现象,而且可以获得满意的主观视觉效果.

词汇判断下的声旁家族促进:语音总激活的作用

以大学生为被试,通过两个词汇判断实验考察声旁家族和笔画家族的家族大小效应,以揭示词汇判断任务下语音总体激活在家族效应中的作用。结果发现声旁大家族特别是不规则声旁大家族表现为促进效应,而笔画大家族表现出抑制效应。研究结果说明词汇判断任务下的声旁家族促进效应与声旁家族特有的语音总体激活有关,抑制效应则与两家族均有的侧抑制有关。

增强层次的卷积神经网络模型研究

受生物视觉信息处理机制启发的目标识别是计算机视觉领域研究的热点之一,主要思想是对大脑视觉皮层中视觉信息的层次性处理过程进行模拟来实现目标识别。本文以具备稀疏连接思想和自我学习机制的卷积神经网络为框架,融入分层和仿生的思想,提出增强层次的CNN模型。实验结果表明该模型的目标识别准确率高达88%。