基于视觉感知机制的织物疵点轮廓检测

针对传统人工织物疵点检测存在的误检及低效等问题,提出了一种基于视觉感知机制的自适应织物疵点轮廓检测方法.首先,模拟视觉系统中视网膜感受野对视觉信息的处理机制对织物疵点图像进行滤波及疵点增强;其次,依据初级视皮层(V1)区对视觉信息响应的方向选择性机制构建织物疵点图像边缘检测模型,实现对织物疵点图像的边缘检测.最后,采用自适应阈值选择的方法对检测到的边缘进行二次处理,获得织物图像疵点的轮廓.为验证本文方法的有效性和准确性,对4类织物疵点图像进行测试,并定性和定量两方面进行比较分析,结果表明文中提出的方法能够较好地检测出织物疵点轮廓信息,不仅可以得到质量较高的织物疵点轮廓图像,而且在整个检测过程中能够自适应的选择参数,避免受人的主观因素影响,具有实际的应用价值.

自下而上注意的神经机制

由刺激驱动的注意选择即为自下而上注意,又称为瞬时注意或外源性注意。对其神经机制的研究可使我们更好地理解大脑如何产生意识。自下而上选择对注意的分配迅速且高效,但其神经基础一直存在争论。回顾了该研究领域的两大理论模型及其研究证据:基于显著性的注意模型和初级视皮层(V1)显著性模型。最后讨论了该领域未来的研究方向。

视觉轮廓整合的神经机制

视觉轮廓整合是指视觉系统将视野中的离散元素组合为整体轮廓线的加工过程,是连接初级感觉加工和高级视觉物体知觉间的关键桥梁。对视觉轮廓整合神经机制的研究不仅能促进我们对人类知觉整合的理解,也有助于启发计算科学领域图形整合和分隔算法的改进。然而,轮廓整合的神经机制尚无最终定论。当前的争议主要集中在轮廓整合是基于初级视皮层固有水平连接的产物,还是基于脑区内水平连接及脑区间反馈连接共同作用的产物。本文在回顾这两种理论框架及其研究证据的基础上,对未来的研究问题和方向进行了展望。