基于自然图像复杂视觉信息的特征提取算法与应用

分析自然图像复杂视觉拓扑组织结构的邻域关系生成树表示方法的缺欠,提出基于自然图像复杂视觉信息的特征提取算法与应用。算法定义通用视觉细胞感受野模型,提出自然图像复杂视觉结构信息的超完备基邻域关系生成树表示方法;并以自然图像的慢变特征和中心极限定理为理论基础,改进准正交超完备基预测算法,自适应地构造自然图像超完备基邻域关系生成树;遍历超完备基生成树,计算自然图像与节点的最大响应系数,实现树形拓扑组织结构编码,并采用海明距离计算编码相似度,实现自然图像分类。实验表明:自然图像集中,该算法学习的基滤波器集具有类似于V1区复杂视觉细胞的视觉特征;对输入图像的局部变化具有良好的几何不变性;在北卡莱罗那州立大学提供的自然图像图库上,进行基于内容的图像检索比较实验,该算法比传统视觉模型具有更好的检索效果和抗噪声能力。

含隐变量非高斯无环因果模型的估计算法

针对观测变量中含隐变量的非高斯线性无环因果模型的估计问题,提出一种新的算法。通过在超完备基独立成分分析算法中引入满足Oracle性质的惩罚因子,使混合矩阵的估计值具有稀疏连接权值,由此推导出模型估计算法。实验结果表明,该算法能够改进因果模型估计的精确程度,提高算法效率。

一种快速分布式目标波达方向估计新方法

在现有的分布式目标波达方向估计方法中,绝大部分算法需要一维或二维搜索,而在不需搜索的特征分解类算法中,其DOA估计精度又受快摄数积累的影响。文中在对分布式目标的角信号密度函数进行合理假设基础上,利用波达方向参数在超完备基空间上的稀疏表示,在单次快摄情况下即可给出分布式目标中心波达方向的快速估计,算法在分布式目标快变环境下尤为有效。仿真结果证明了方法的有效性及可行性。

Complete Spacelike Hypersurfaces with Constant Scalar Curvature in Locally Symmetric Lorentz Spaces

The complete space-like hypersurfaces with constant normal saclar curvature is discussed in a locally symmetric Lorentz space. A classified theorem is obtained by the operator L1 introduced by S Y Cheng and S T Yau [3].

为注意机制提供有效输入的模拟初级视皮层的编码模型

当前的研究普遍认为初级视皮层神经元编码了自底向上的显著图,从而为选择性注意机制从复杂的场景中迅速分辨出显著目标提供了有效的输入.然而,对初级视皮层编码方式如何影响注意模型的显著性检测能力仍不清楚.为此,探讨了有利于自底向上的注意机制的信息处理的编码方式.构造了满足神经生物学约束的模拟初级视皮层的编码模型,通过改变编码模型的约束条件,在认知心理学的实验图像和自然图像集上进行测试,比较不同编码方式对注意模型的显著性检测的影响.几类实验的统计结果表明:对不变特征的编码和超完备基的表征更有利于自底向上的注意机制的显著性检测.