基于非经典感受野和选择性注意模型的交通环境视觉感知要素图的提取方法

本项目将在前人和课题组前期研究基础之上，采用"心理物理实验+电生理实验+眼动分析+模型分析"多种研究手段，建立适合于真实交通环境中视知觉感知要素图提取的计算模型和方法。拟重点开展如下四方面的创新性研究：（1）以现有电生理研究结果为基础，建立具有自适应特性的神经元非经典感受野数学模型，实现底层特征的有效提取；（2）以眼动分析和图像分析结果为指导，建立基于自适应非经典感受野模型的Bottom-up 注意模型；（3）结合眼动分析和视知觉组织原则为基础，建立特定场景的、基于物体（object）的Top-down 注意模型；（4）在分析驾驶中的动态视觉特性的基础上，初步建立能够处理动态目标的选择性注意模型。本项目的研究成果将会为机器视觉和自动驾驶提供重要的理论基础和技术支撑。

交通驾驶环境是一个立体的、多源的、需实时处理的、动态变化的、复杂的视觉场景，由于自然选择的作用，生物视觉在自然图像识别与认知（如显著特征提取，边缘检测和增强、特征分割、目标-背景分离、特征融合等）方面具有无可替代的优越性。将生物视觉的认知机理和神经机制应用于交通驾驶环境中各种视知觉信息的感知和处理，有利于准确识别和理解交通环境中的各种信息，为机器视觉和自动驾驶提供重要的理论基础和技术支撑。 ..本项目主要以视觉认知实验研究为手段，深入研究了交通驾驶中涉及的视觉认知过程（视觉注意和眼动等）的神经机制，并结合已有的视觉电生理的研究成果，建立了基于生物视觉机理的适合于真实交通环境中视知觉感知显著图提取的计算模型和方法，自然图像轮廓检测计算模型和方法，以及自然图像的颜色恒常性、去噪、去雾等计算模型和方法。..在该项目的资助下，项目组已在国内外重要刊物上发表论文22 篇，其中SCI检索期刊论文6篇，EI检索论文8 篇，申请专利1项，另外还投出4 篇期刊论文正在审稿和修改中，完成了预期目标。项目组参加国内外重要学术会议20多人次，受邀作大会报告3人次。培养博士和硕士研究生7名。