[發明專利]融合點線記憶信息的仿生視覺圖像目標識別方法

有效

• 申請號: 201910699779.3
• 申請日: 2019-07-31
• 公開（公告）號: CN110598534B
• 公開（公告）日: 2022-12-09
• 發明（設計）人: 余伶俐;金鳴岳;周開軍
• 申請（專利權）人: 中南大學
• 主分類號: G06V20/40
• 分類號: G06V20/40;G06V10/774
• 代理公司: 長沙正奇專利事務所有限責任公司 43113
• 代理人: 馬強;王娟

1.一種融合點線記憶信息的仿生視覺圖像目標識別方法，其特征在于，包括以下步驟：

1)構建基于視覺驅動的網格細胞集合，所述網格細胞集合的每一層網格細胞圖由相同尺寸的矩陣構成，并采用M個模塊和N個偏移量，構成四維網格細胞；每一層的網格細胞圖尺寸為圖像的尺寸S×S，因此四維網格細胞的尺寸為S×S×N×M；

2)構建距離細胞模型，計算由網格細胞群體矢量編碼的位置之間的位移矢量；

3)對于每一幅訓練圖像，手動隨機選取5～13個刺激點，存儲于矩陣cGC中，并將每一個刺激點坐標(x,y)，對應在網格細胞中每一層坐標(x,y)對應的像素值記錄在矩陣tGC中；將每一個刺激點擴展為像素s×s的中心凹陣列，存儲于矩陣FPC中，其中S＝m*s，m∈(7.2,7.5)，通過高斯核計算所有感覺神經元對每一個中心凹像素k的反應，所得到的矩陣陣列存儲在矩陣SC中；

4)采用自上而下的注意機制選擇目標圖像中第一個刺激點，使用高斯核計算感覺細胞對當前目標圖像中心凹進行計算，響應最強的特征標簽單元作為下一個跳視點，所對應的刺激身份細胞進行累加；對于每一個掃視的起點和終點，通過距離細胞模型更新中心凹位移矢量，以此判斷跳視點與刺激點的像素差，并保證該像素差維持在1％之內，否則重置起始點，直到某一個刺激身份細胞累加達到閾值0.9，則認為該刺激身份為最終識別到的目標。

2.根據權利要求1所述的融合點線記憶信息的仿生視覺圖像目標識別方法，其特征在于，步驟1)中，通過激發率圖構建基于視覺驅動的網格細胞集合，所述網格細胞激發率圖計算公式如下：

r_GC＝max(0,cos(z₀)+cos(z₁)+cos(z₂))；

其中b₀，b₁和b₂是余弦波法向量；b_i表示b₀，b₁和b₂；F是網格空間頻率，從0.0014×2π開始到0.0214×2π的M個數字組成的數組；為當前偏移量的向量表示；z_i表示z₀，z₁和z₂在不同余弦波法向量的計算結果；r_GC代表當前偏移量和當前模塊所對應的網格細胞層的激發率圖；對于每個網格尺度，沿著網格上的兩個相鄰等邊三角形的主軸均勻地采樣N個偏移。

3.根據權利要求1所述的融合點線記憶信息的仿生視覺圖像目標識別方法，其特征在于，步驟3)的具體實現過程包括：將訓練圖像M1進行灰度調整得到圖像M2，對M2進行圖像積分處理得到M3，選擇訓練圖像的刺激點，且所述刺激點(x,y)的選擇滿足31≤x,y≤410；基于圖像M3選取中心凹，得到中心凹陣列，存儲在矩陣cGC中；通過高斯核計算所有感覺神經元對每一個中心凹像素k的反應，并將得到的矩陣陣列存儲在矩陣SC中。

4.根據權利要求3所述的融合點線記憶信息的仿生視覺圖像目標識別方法，其特征在于，高斯核其中，x代表將每一個61×61的中心凹陣列進行數組重塑為3761×1的數組，經過256次復制之后的數組，ref代表由0～255排列的數組，進行3761次復制之后的數組。

5.根據權利要求1所述的融合點線記憶信息的仿生視覺圖像目標識別方法，其特征在于，步驟4)的具體實現過程包括：分別計算刺激身份細胞PRC和特征標簽細胞PLC的值，隨機選取訓練集中的刺激點，并將其擴展為61×61的中心凹陣列O，計算高斯核對目標圖像中心凹陣列的神經反應，將訓練集的SC_1與當前位置的SC陣列進行相乘：FC＝SC_1*SC，如果滿足那么計算PLC＝FC/max(FC)，并將PLC陣列中小于的數值設置為0，記錄當前PLC的值，如果不滿足則重新選擇當前特征標簽單元，其中PLC的大小為(n×9,1)；PRC的計算公式為：PRC＝PRC+PRC_2×PLC。

6.根據權利要求5所述的融合點線記憶信息的仿生視覺圖像目標識別方法，其特征在于，步驟5)的具體實現過程包括：設置弱噪聲參數w_n，計算PLC＝w_n×PRC_2×PRC；其中PLC中最大值對應的序號為下一個選擇的特征標簽單元，即根據計算選擇響應最強的特征標簽單元作為下一個跳視點，即目標特征標簽單元，計算起始特征標簽單元和目標的特征標簽單元的矢量距離，并標注在目標圖像上，如果經過矢量計算得到的目標像素點與訓練集中的刺激點在1％的像素差之內，則將目標特征單元當做下一次跳視的起始點；否則重新選擇目標特征單元；直到PRC(i)≥0.9，認為成功識別。