导读:本文包含了经典感受野论文开题报告文献综述及选题提纲参考文献，主要关键词:紧固件螺母,非经典感受野,多特征分级定位
经典感受野论文文献综述
彭智勇,马子骥,王超,刘宏立[1]（2019）在《采用非经典感受野交互的钢轨紧固件螺母中心多特征分级定位算法》一文中研究指出针对铁路紧固件图像易受周边环境干扰、导致其几何中心定位精度不理想的问题,提出一种紧固件螺母中心多特征分级定位算法。该算法在优化蝶形非经典感受野模型的刺激区和抑制区的基础上,设计一种路径非感受野交互模型以匹配紧固件特征,具备优异的干扰噪声抑制能力,能精确提取紧固件圆轮廓和六角轮廓特征。根据轮廓特征,多特征分级定位算法利用六角边之间的角度约束和距离约束关系,实现了不完整轮廓下的中心精确定位。实验结果表明:该算法在正常条件下和受光照影响条件下使圆检测准确率分别提高了3%和24%,具备干扰环境下的紧固件中心精确定位能力。(本文来源于《西安交通大学学报》期刊2019年04期）
窦燕,康锦华,王丽盼[2]（2019）在《结合人眼微动的新型非经典感受野模型》一文中研究指出基于眼球微动机理,提出了一种结合静态、动态机理的贴近非经典感受野的模型。该模型以感受野轴两侧的两个半椭圆环为非经典感受野抑制区,并在其中设立子区域。通过抑制方向角度模拟微动,结合抑制权值与图像亮度特征,得到最后能量值。研究结果表明,利用该模型提取目标轮廓时,可较好地抑制背景纹理,保留较多轮廓,相比于传统模型有较好的效果。(本文来源于《光学学报》期刊2019年03期）
潘亦坚,林川,郭越,吴艳[3]（2018）在《基于非经典感受野动态特性的轮廓检测模型》一文中研究指出轮廓检测是计算机视觉的重要任务之一,并广泛地用于医学,工程,交通等领域.针对这些领域的检测需求,本文受非经典感受野动态特性的启发提出一种仿生型轮廓检测模型:在模拟初级视皮层(V1区)神经元的经典感受野响应时,用改进的神经元激活函数sigmoid提取局部尺度信息,然后用局部最优尺度代替现有模型中的全局感受野尺度,并将提取的局部最优尺度信息对非经典感受野抑制进行调制.基于RuG40和伯克利图像数据库的实验结果表明,本文的轮廓检测模型较同类模型获得了较高的性能评测指数,有效地提高了轮廓检测的性能.(本文来源于《广西科技大学学报》期刊2018年02期）
梁晓花[4]（2018）在《小鼠初级视皮层非经典感受野与gamma 节律研究》一文中研究指出在哺乳动物初级视皮层神经细胞的经典感受野外(classical receptive field,CRF)存在一个更广阔的非经典感受野区域(non-classical receptive field,nCRF),它对经典感受野的调制作用被认为是产生很多视知觉现象的神经基础,研究非经典感受野和经典感受野的相互作用有助于理解大脑对大范围图像特征的整合。节律性振荡绑定视觉特征也被普遍认为可能是初级视觉皮层神经元同步整合的机制。在这两种机制中,中间神经元都起了重要作用;从功能连接的相似性来看,节律性振荡与非经典感受野之间也是有关联的,然而目前关于两者之间的联合研究却很少。本文通过细胞外单通道神经电生理技术记录小鼠初级视皮层神经元响应,研究CRF与nCRF之间的中心外周相互作用和节律性振荡之间的关联,从细胞间的联系以及同步化活动等方面来理解gamma振荡在图像信息处理过程中的作用。本实验共采集到64个C57BL/6小鼠初级视皮层的细胞。通过面积整合特性我们将这些细胞划分为外周抑制型nCRF和外周易化型nCRF。我们发现小鼠初级视皮层的节律性振荡出现了频域上的双峰值,一个峰值位于20-30Hz(beta振荡),一个位于30-60Hz(gamma振荡)。我们的结果表明大多数beta振荡(49/60)和gamma振荡(42/48)的振荡强度与峰值频率之间并没有固定的关系。通过功率谱分析,C57BL/6小鼠初级视皮层的beta振荡和gamma振荡的幅度和细胞整合野类型有一定的关系:对于外周抑制型细胞而言,大多数beta振荡(36/47)和gamma振荡(26/34)也都呈现出抑制型;而对于外周易化型细胞而言,大部分beta振荡(7/13)和gamma振荡(8/14)也呈现出易化型。由上述结果,我们推测小鼠初级视皮层神经元的非经典感受野不仅仅是对感受野中心的细胞响应具有调制作用,还对beta振荡和gamma振荡等大脑节律性神经振荡也有相当的调节作用。(本文来源于《电子科技大学》期刊2018-04-01）
许跃颖,郎波,黄静[5]（2017）在《利用非经典感受野竞争机制实现有效图像表征的方法》一文中研究指出论文是在人类视觉的基础上,利用神经节细胞非经典感受野的神经机制原型对图像实现通用表征。该模型利用生物视觉处理中的反馈机制设计了一种神经计算回路,模拟了非经典感受野在不同的刺激状态下能够动态调节的生理特性来对图像进行基于邻域相似度的图像局部分割与压缩表征,从而在神经表征层面实现了图像的内在表征,以便于进一步提取图像的语义,实现图像的理解。为更加有效、充分地表征图像提供了一种新的研究思路。(本文来源于《计算机与数字工程》期刊2017年12期）
陈桑桑,李翰山[6]（2017）在《基于非经典感受野抑制的TLD目标跟踪方法》一文中研究指出为了提高目标遮挡或存在虚假目标时系统的跟踪精度,提出了一种基于非经典感受野模型(NCRF)的跟踪-学习-检测(TLD)跟踪算法。根据TLD算法的目标跟踪框架,主要研究了Lucas-Kanade跟踪算法、级联分类器和P-N学习;通过分析NCRF的2种抑制特性,即朝向选择性抑制和非朝向选择性抑制,建立了基于NCRF抑制特性的轮廓检测模型;为了提高目标跟踪精度,结合TLD算法和NCRF抑制轮廓检测算法(TLD+NCRF)对目标进行跟踪。通过试验计算与分析,视频跟踪结果表明,TLD+NCRF算法的跟踪效果优于TLD算法。(本文来源于《机械与电子》期刊2017年11期）
胡玉兰,刘阳[7]（2017）在《基于马尔可夫模型优化的非经典感受野轮廓检测算法》一文中研究指出基于非经典感受野的同性抑制作用提出一种新的算法。该算法首先将多级周边抑制引入到各项同性检测模型中;其次根据集合理论,结合边缘生长过程控制思想提出一种改进的组合方法,解决了抑制参数取值对轮廓检测的影响;最后根据马尔可夫随机场理论建立轮廓概率模型,得到最终优化后的输出轮廓。实验结果分析表明,新算法精度高,明显优于传统方法。(本文来源于《计算机应用与软件》期刊2017年09期）
许跃颖,郎波,黄静[8]（2017）在《基于非经典感受野多尺度机制的图像分析方法》一文中研究指出神经生理学研究表明,生物视觉系统比机器视觉系统在视觉信息上更加高效,这种信息处理的高效性归功于人类视觉神经中存在的多层神经网络。作为人类视觉系统的初级处理阶段,神经节细胞非经典感受野的尺寸大小可以根据外界刺激的性质进行自动调节,这种机制利用在图像处理技术上能够达到多尺度图像分析的目的。文中提出一个基于非经典感受野的多尺度图像分析方法,通过非经典感受野的自动调整机制,保留了图像的关键信息,减少了视觉系统进一步阶段的冗余信息。并通过与N-cut算法的对比和轮廓检测的实验表明这种多尺度规模图像分析模型能够给后期的图像处理任务带来一定程度的提升。(本文来源于《信息技术》期刊2017年07期）
郭笑天[9]（2016）在《基于非经典感受野机制的视觉处理模型及其应用研究》一文中研究指出边缘或轮廓作为图像的关键特征信息,对于分析或理解视野中的目标对象具有重要意义。目前边缘或轮廓检测方法大多依据像素亮度等属性在数学描述上的跳变特性,因此从图像空间上来看,这种跳变通常反映局部区域的像素属性变化趋势。但视觉系统在提取图像边缘或轮廓时,更多的是一种全局或大范围区域整体特征指导下的局部细节精细化,非经典感受野大外周所存在的去抑制区域正是上述视觉机制实现的基础。因此本文围绕着非经典感受野特性和应用展开研究,首先对传统叁高斯模型进行改进,利用非经典感受野结构实现对输入的自适应加权响应,从而增强图像中的边缘信息;其次本文改善了传统的同质抑制模型,利用颜色空间信息实现背景异质成分的抑制,获得抗干扰能力更强的边缘细节;最后本文模拟视觉显着性信息提取与反馈,并结合纹理同质抑制模型,凸显主体轮廓。本文主要工作及研究成果如下:(1)建立叁种基于非经典感受野机制的视觉处理模型。首先根据非经典感受野的叁高斯模型,提出一种自适应加权响应模型,使检测结果具有更完整的边缘特性。其次改善传统的经典感受野同质抑制模型,使用叁高斯函数代替DOG函数来模拟非经典感受野,采用Lab颜色空间和片相似性分别描述图像像素点的颜色以及纹理相似性,获得图像背景纹理及异质成分。最后提出显着性信息提取模型,根据经典和非经典感受野存在的去抑制区域的差异性产生突触抑制电流,并通过幂指数归一化的方式进行显着性提取。(2)提出一种基于非经典感受野机制的图像边缘检测新方法。首先通过Log-Gabor滤波器对图像进行方向选择,采用izhikevich神经元网络结合次序编码模拟视觉通道获得初步边缘图像,其次通过自适应加权响应模型对边缘信息进行增强,最后采用颜色同质抑制模型去除图像的异质成分,得到最终的边缘图像。经过ROC和信息熵方法评价,本文方法十一幅图ROC曲线下面积平均值为0.850,平均信息熵为0.395,均优于传统检测方法。(3)提出一种基于视觉显着性信息的图像轮廓检测方法。首先通过高斯导函数获得初级视皮层(V1)的多方向梯度响应,同时基于非经典感受野机制设置Leaky integrate-and-fire神经元网络的突触兴奋和抑制电流,利用神经元脉冲频率信息获得视觉显着性信息,反馈并调控V1的视觉响应,并结合纹理同质抑制模型实现对背景纹理的去除,最终得到图像轮廓。对RuG图像库中的图像进行轮廓检测,本文方法获得的综合评价指标P平均值为0.50,与ISO等方法相比在性能上具有一定的优势。(本文来源于《杭州电子科技大学》期刊2016-12-01）
樊一娜,郎波,黄静[10]（2015）在《基于非经典感受野动态调整机制的图像表征计算模型》一文中研究指出为了寻求一种更好的通用图像表征方式,更好地为提取图像的高层语义服务,利用视网膜神经节细胞非经典感受野的生理机制,设计一种基于神经机制的图像表征网络层次模型,它模拟非经典感受野可以根据图像邻域之间的性质差异进行动态调整的生理机制,从而实现图像在神经层面上的内在表征,以方便进一步提取图像的语义。实验结果表明,与传统的利用单个像素对图像进行表征的方法相比,用神经节细胞非经典感受野来表征图像代价非常小,更重要的是,这种表征方式为图像的语义提取提供了一种基本的框架。(本文来源于《计算机与现代化》期刊2015年08期）
经典感受野论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
基于眼球微动机理,提出了一种结合静态、动态机理的贴近非经典感受野的模型。该模型以感受野轴两侧的两个半椭圆环为非经典感受野抑制区,并在其中设立子区域。通过抑制方向角度模拟微动,结合抑制权值与图像亮度特征,得到最后能量值。研究结果表明,利用该模型提取目标轮廓时,可较好地抑制背景纹理,保留较多轮廓,相比于传统模型有较好的效果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
经典感受野论文参考文献
[1].彭智勇,马子骥,王超,刘宏立.采用非经典感受野交互的钢轨紧固件螺母中心多特征分级定位算法[J].西安交通大学学报.2019
[2].窦燕,康锦华,王丽盼.结合人眼微动的新型非经典感受野模型[J].光学学报.2019
[3].潘亦坚,林川,郭越,吴艳.基于非经典感受野动态特性的轮廓检测模型[J].广西科技大学学报.2018
[4].梁晓花.小鼠初级视皮层非经典感受野与gamma节律研究[D].电子科技大学.2018
[5].许跃颖,郎波,黄静.利用非经典感受野竞争机制实现有效图像表征的方法[J].计算机与数字工程.2017
[6].陈桑桑,李翰山.基于非经典感受野抑制的TLD目标跟踪方法[J].机械与电子.2017
[7].胡玉兰,刘阳.基于马尔可夫模型优化的非经典感受野轮廓检测算法[J].计算机应用与软件.2017
[8].许跃颖,郎波,黄静.基于非经典感受野多尺度机制的图像分析方法[J].信息技术.2017
[9].郭笑天.基于非经典感受野机制的视觉处理模型及其应用研究[D].杭州电子科技大学.2016
[10].樊一娜,郎波,黄静.基于非经典感受野动态调整机制的图像表征计算模型[J].计算机与现代化.2015