视像整体特征指导下的局部特征动态整合模型研究

动物视觉系统具有极为高效的视觉信息处理机制。其效率并不在于信号传导的快速性，而主要体现在视皮层神经细胞的信息处理方式上。为了深刻地了解视像的形成过程，本课题拟根据视觉系统分层、并行和皮层间交互的信息处理特点，研究视像的动态整合过程，重点探索视像整体特征指导下的局部特征动态整合过程并建立可计算模型。首先基于自然环境的高阶统计特性，用提取的自然图像基函数超完备基来表征其局部特征，采用拓扑学和协同学等数学描述，用基元来表征视像整体特征；其次，借鉴协同学"很多子系统的合作受相同原理支配而与子系统特性无关"的原理，研究视像整体特征是如何指导局部特征通过动态整合形成完整视像的，进而构建整体特征指导下的局部特征整合模型。然后，确定模型算法的优化目标，通过最优化目标函数优化模型。最后，设计以复杂自然图像作为刺激的神经生理实验对模型进行验证和改进。本课题对图像理解、目标识别以及图像特征提取都具有突破性意义。

项目组围绕课题申请内容和研究计划要点，主要进行了下列研究：.(1)研究视像特征动态整合机制的数学描述。基于自然环境的高阶统计特性，利用TICA算法提取自然图像特征基函数，通过无监督学习产生用于构成自然图像特征空间的具有拓扑关系的超完备基向量，建立了模拟视皮层感受野机制学习基函数，完成了稀疏超完备计算模型与算法的设计。.(2)模拟视皮层感受野间的信息整合机制，进行了在非结构化环境下的视觉计算模型验证。隐蔽目标识别：以少样本、快速准确的识别出隐蔽目标，识别率高；目标检测：根据稀疏超完备模型能够检测复杂背景下的目标；车辆识别: 能够识别高速公路上的动态车辆；运动目标跟踪：不同背景的运动目标跟踪；车速检测：实时检测实际道路场景的不同类型车辆速度；异常行为检测：检测特定场景下的个体以及群体异常情况。.(3)针对以复杂自然图像作为刺激的神经生理实验，建成了一套研究视觉诱发脑电信号的BCI实验平台。BCI实验平台主要完成被试者针对视觉诱发刺激整体脑电信号的采集分析、特征提取和分类识别研究。首先针对不同视觉任务下的大脑皮层映射，确定了视觉刺激的大脑激活区域及脑皮层信号。其次，完成了BCI实验平台对视觉诱发脑电信号的在线、实时处理。然后，利用线程并发和模糊推理的方法解决了在线BCI系统的高速计算和预测问题，提高了信息传输率，实现在线BCI高速数据流的可预测并发实时传输。最后，针对视觉图片刺激下的运动任务，完成了运动准备过程中的脑电信号特征分析，实现运动预测，以及运动过程中三分类前臂运动方向识别。.(4)视觉的功能执行总是依赖于不同的脑区相互作用和协调，功能的分化和整合是视觉系统的两大组织原则。从复杂网络出发分析视觉系统的传输机制，进一步分析视觉皮层网络小世界特性的复杂度。结合视觉神经生理机制，建立模拟视觉网络演化的模型，揭示视觉网络形成的内在机制。