人类视觉

摘要： 立体匹配是计算机视觉的一项关键技术,它能够模拟人类视觉的方法,通过左右影像匹配快速获取三维场景深度信息。近年来,国内外学者针对立体密集匹配开展了广泛而深入的研究,但由于各种因素的影响,仍然存在着具有挑战性的研究问题。论文针对传统立体匹配方法,在弱纹理区域、视差不连续区域、遮挡区域存在的匹配困难和误匹配问题,设计了一个基于全卷积神经网络的端到端立体匹配网络,将传统密集立体匹配问题转化成一个视差学习和优化的任务问题。论文主要研究内容和研究结论如下。

摘要： 卷积神经网络是目前人工智能领域在图像识别与处理相关应用中的关键技术之一,广泛的应用使对其鲁棒性研究的重要性不断凸显。以往对于卷积神经网络鲁棒性的研究较为笼统,且多集中在对抗鲁棒性方面。这难以更深入地研究神经网络鲁棒性的发生机制,已经不适应人工智能的发展。引入神经科学的相关研究,提出了视觉鲁棒性的概念,通过研究神经网络模型与人类视觉系统的相似性,揭示了神经网络鲁棒性的内在缺陷。回顾了近年来神经网络鲁棒性的研究现状,并分析了神经网络模型缺乏鲁棒性的原因。神经网络缺乏鲁棒性体现在其对于微小扰动的敏感性,其原因在于神经网络会更倾向于学习人类难以感知的高频信息用于计算和推理。而这部分高频信息很容易被扰动所破坏,最终导致模型出现判断错误。传统鲁棒性的研究大多关注模型的数学性质,无法突破神经网络的天然局限性。视觉鲁棒性在传统鲁棒性的概念上进行拓展。传统鲁棒性概念衡量模型对于失真变形的图像样本的辨识能力,失真样本与原始干净样本在鲁棒模型上都能保持正确的输出。视觉鲁棒性衡量模型与人类判别能力的一致性。这需要将神经科学和心理学的研究方法、成果与人工智能相结合。回顾了神经科学在视觉领域的发展,讨论了认知心理学的研究方法在神经网络鲁棒性研究上的应用。人类视觉系统在学习和抽象能力上具有优势,神经网络模型在计算和记忆速度方面强于人类。人脑的生理结构与神经网络模型的逻辑结构的差异是导致神经网络鲁棒性问题的关键因素。视觉鲁棒性的研究需要对人类的视觉系统有更深刻的理解。揭示人类视觉系统与神经网络模型在认知机制上的差异,并对算法进行有效的改进,这是神经网络鲁棒性乃至人工智能算法的主要发展趋势。

摘要： 机器视觉是第四次工业革命的核心要素。机器视觉作为人类视觉的延伸,具有精确性高、速度快、成本低、易于信息集成等多重优势,能够在各种生产环境中替代人工进行高强度连续精准作业,大幅提高工作效率及质量。重庆中科摇橹船科技创始人郑道勤在接受采访时表示,我国机器视觉的发展虽然发力大,但起步晚,与先进国家的差距还是比较大。

摘要： 英国格拉斯哥大学科学家找到一种新方法,可以将由砷化镓制成的微型半导体打印到柔性塑料表面,所得设备的性能可与目前市场上最好的传统光电探测器媲美,且能承受数百次弯曲,因此可用作未来机器人的智能电子皮肤,让其“看到”人类视觉范围以外的光。研究人员称,此前他们开发出将硅电路直接打印到柔性塑料表面的方法。

摘要： 在现象学视域下对日本平面设计大师福田繁雄的设计语言进行探究。在目前已有的研究基础上,运用现象学还原与本质直观的方法,返回到平面设计中视觉传达的本质。文章解读了福田繁雄的平面设计语言与思维,并进行了理论概括。福田繁雄的平面设计语言,其立足点是人类视觉,其创新途径是“想象力的自由变更”,其特殊魅力是个性化的普遍说服力。福田繁雄的设计思维对于促进中国现代平面设计的发展具有积极意义。

摘要： 以提升模糊舰船图像视觉传达效果,获取更多的舰船图像内部信息为目的,研究基于视觉传达的模糊舰船图像优化方法。采用基于视觉传达的模糊舰船图像去模糊处理方法,根据模糊舰船图像模型,分别确定彩色模糊舰船图像3个RGB色彩通道的模糊核,并将确定的模糊核应用到基于细稀疏表示的去模糊模型中,对舰船图像去模糊处理。依照人类视觉对色彩度的具体感知水平,采用六角椎体模型对去模糊化后的舰船图像进行视觉传达效果优化,重建去模糊后舰船图像颜色模型空间内的明度参数。实验结果显示,所研究方法能够有效实现舰船图像去模糊处理,处理后图像与清晰舰船图像相比结构相似度均达到0.89以上,信息熵值均在9.1以上。

摘要： 水印算法对视频产品的版权保护、内容认证具有重要的意义,为了在不影响视频质量的前提下,提高视频的安全,防止出现视频产品非法侵权及盗版等问题,提出了遗传算法和小波变换的视频水印算法.首先分析当前国内外对视频水印算法的研究进展,找到引起当前视频水印效果不理想的原因,然后采集视频,采用小波变换对原始视频进行多尺度分解,并采用遗传算法智能搜索水印信息嵌入的最优位置,对水印信息进行置乱,将水印信息嵌入到最优位置,最后与其他当前经典视频水印算法进行了对比测试.结果表明,视频水印算法具有很好不可见性,可以对各种恶意攻击具有很强的鲁棒性,不仅加强了视频水印的安全性,而且视频水印质量要明显优于当前经典视频水印算法.

摘要： 绘画是人类视觉文化中的一种表现形式,也是人类表达对客观世界的认识的一种创造行为。绘画作品的形成显示了建立在主客体关系之上的意识活动过程。从行为的角度来看,绘画首先是一种实践,与其他实践不同的是,它是带有视觉属性的实践。由画家创造的,作品中的视觉形象,能够引导观众去解读和鉴赏作品中的诸多视觉元素,像绘画语言、题材内容、表现效果等,进而使观众得以去感觉画面并获取个体的审美体验。

摘要： 摄影的出现是人类视觉史上的一个关键节点,使视觉划分成前后两个阶段,之前或可叫"前图像时代",之后则是"图像时代"。1我曾经撰文讨论过这一事实。我指出:在"前图像时代",瞬间是一个假定,因为时间切片无法获得与其精确对应的物理形式,因此也就无法得到证实。2因此,在没有可以对应的物理存在(指图像)的年代,瞬间是通过想象而获得的。

摘要： 眼睛是心灵的窗户。据统计,人大约有80%的外界信息是通过眼睛来接收的。近些年来,随着现代计算机和信息技术的飞速发展及图形识别算法的革命性改进,人类视觉的应用限制逐渐被打破,特别是基于视觉的目标跟踪成为计算机视觉研究领域的一个热点问题。

摘要： 保护色是自然选择中一个经典的例子.当保护色的优点被普遍认知,充分了解其背后精确的意思,即视觉信息接收者是怎样被信息发送者所愚弄,是对生物学家的一项挑战.因为,保护色的有效运用及有效识别是动物视觉和思维相互作用,竞争进化下的学习和适应.捕食者的辨识力是由以下几种因素所影响:被捕食者和背景间颜色及图案的局部对比率(即背景匹配度,背景匹配理论);被捕食者的形状和外形轮廓(对比色理论);以及非动物固有的,背景的繁复度.背景的繁复度已经在室内实验中,用人工动物和背景进行过测试和考证,却从未在自然环境中得到真正的印证.在这个研究中,在自然环境中用人工飞蛾在橡树林中测试了这三者的相互作用.借助机器视觉模拟鸟类和人类视觉模型,计算出背景繁复率和局部颜色对比度,并与野外的鸟类和人类实验的结果进行相互参照.发现两个因素对鸟类和人类的辨识率有主要的影响:1)局部色彩或亮度和背景的匹配率;2)背景的组织结构繁复度.

摘要： 通过分析人类视觉彩色传递特性，提出一种改进的高斯低通滤波器，称为人类视觉高斯低通滤波器（HVG）。与标准高斯低通滤波器相比，HVG低通滤波器中的距离综合参数具有明确的物理含义，表示人眼距离图像的远近，从而减少了参数选择中的盲目性；同时，距离综合参数的取值具有更大的范围，表现出优越的参数不敏感性；在提取彩色噪声图像的边缘时，HVG低通滤波器具有更强的抗噪能力，在噪声很严重的情况下也能较好的提取出图像的边缘。

摘要： 为更好地保证数字指纹的不可见性和鲁帮性，指纹嵌入算法利用了人类视觉模型；然后对每个用户的指纹版本进行随机变形处理，使得变形后图像的感知质量基本不发生变化，而合谋产生的版本的感知质量明显下降．实验结果表明，该算法具有良好的抗合谋攻击性能。

摘要： 大多数水印算法采用伪随机序列构成水印,但在一些应用场合,嵌入有意义的水印更加重要.为了使嵌入的水印更具稳健性和较优性能,应用数字通信的理论和方法,提出了一种基于扩频技术的有意义水印方案.该方案首先采用纠错编码技术对二值有意义的水印信号进行编码,以增强水印的抗干扰性能;然后应用直接序列扩频码调制编码后的水印信号,而水印的嵌入在图象的小波变换域中进行,并利用人类视觉特性,在保证图象质量的条件下,通过增加水印的能量来进一步增强水印的稳健性.水印的检测则通过计算含水印图象和原始图象的小波系数之差与原扩频码的相关性来实现.实验表明,该方案在保证图象具有较高质量的情况下,改善了数字水印的性能,尤其是对小波域的图象压缩攻击具有较强的稳健性.

摘要： 本发明公开了一种基于模拟人类视觉的机器视觉构建方法，包括以下各步骤：1)通过频域法对目标图像作显著性检测，得到相应的像素显著度图；2)对所述的像素显著度图中的显著点，依据显著度排序；3)选取前N个显著点作为注视点，以每个注视点为中心，形成信息熵最大的局部区域，这些局部区域组成注视区域；4)对所述的注视区域内部像素进行随机采样，并对注视区域外部进行等量的像素随机采样；5)利用极限学习机训练策略，通过该模型分类所述目标图像的全部像素，将被分为正样本的像素区域作为第一注视目标区。本发明根据人类视觉注视的过程，通过注视点排序和神经网络模型，来模拟人类主动视觉过程，以构建具有对目标场景快速有效注视的机器视觉。

摘要： 本发明涉及一种基于人类视觉系统的图像质量评价方法，包括以下步骤：(a)获取原始图像和失真图像；(b)建立GLOP滤波模型，根据所述GLOP滤波模型对所述原始图像和所述失真图像进行滤波，得到滤波后原始图像和滤波后失真图像；(c)根据所述滤波后原始图像和所述滤波后失真图像获得结构相似度；(d)根据所述结构相似度得到所述失真图像的质量评价的客观值。本发明实施例，不仅提升了图像的主客观一致性，同时还对失真类图像的客观评价做了改进。

摘要： 本发明公开了一种基于人类视觉注意机制的多仿射目标的检测与识别方法，选择扫描窗口尺寸，对于由多个目标图像组成的原始场景图，每平移一次扫描窗口，对当前窗口W内的目标图像进行生物变换，得到目标特征图M，选取区域N，与模板特征图进行区域匹配，获取与区域N匹配度r>0.95的模板特征图为候选目标；根据候选目标与M匹配区域的水平或垂直位置，判断窗口W下的目标图像相较于模板图像旋转的角度或缩放的倍数，将窗口W下的目标图像根据当前旋转角度或缩放倍数；将还原后的目标图像再次进行一次生物变换，利用特征变换图对候选目标特征图进行验证，将与特征变换图距离最小的候选目标作为最终识别目标。本发明得到的识别图像有较高的准确性。

摘要： 一种用于改变光的聚散度以改善电子显示器的人类视觉的装置。在佩戴者的瞳孔处接收聚散度的改变。改变后的光有效地再现了由像素发射的光线，使得这些光线到达老花眼就好像在远距离观看它们一样(即，光线基本平行)。这样，正视老花眼产生了电子显示器的清晰图像。该装置包括：折射元件，该折射元件以预定聚散度折射从电子显示器的像素发射的光线，其中，该折射元件位于紧邻电子显示器或在电子显示器上。

摘要： 实施例包括使用单个相机提供计算机视觉视频流和人类视觉视频流。相机可以包括单个高分辨率传感器和广角透镜，以提供具有宽纵横比视野的高分辨率视频。可以生成流，其中，计算机视觉视频流保持宽纵横比视野，并且人类视觉视频流包括高分辨率视频。可以将该计算机视觉视频流提供给计算机视觉系统，其中，该计算机视觉系统将计算机视觉视频流用作自动化过程的输入，并且可以将该人类视觉视频流提供给向用户显示人类视觉视频流的系统。

摘要： 本发明公开了一种基于模拟人类视觉的机器视觉构建方法，包括以下各步骤：1)通过频域法对目标图像作显著性检测，得到相应的像素显著度图；2)对所述的像素显著度图中的显著点，依据显著度排序；3)选取前N个显著点作为注视点，以每个注视点为中心，形成信息熵最大的局部区域，这些局部区域组成注视区域；4)对所述的注视区域内部像素进行随机采样，并对注视区域外部进行等量的像素随机采样；5)利用极限学习机训练策略，通过该模型分类所述目标图像的全部像素，将被分为正样本的像素区域作为第一注视目标区。本发明根据人类视觉注视的过程，通过注视点排序和神经网络模型，来模拟人类主动视觉过程，以构建具有对目标场景快速有效注视的机器视觉。

摘要： 本发明公开了一种基于深度学习和人类视觉特性的双通道立体图像质量评价方法。包括：1.建立预训练的数据库，即从网络的图像库中，根据不同的物体类别选取700‑800张分辨率不低于448×672的自然彩色图像，利用算法对其施加四种不同类型的失真。2.在构建好数据库后，使用平面图像质量评价算法计算预训练库的图像质量相似图。3.训练视觉显著性相关的卷积神经网络。4.利用立体图像质量评价数据库，学习双目视差特征，得到立体图像质量评价网络。本发明所提出的基于深度学习和人类视觉特性的双通道立体图像质量评价方法结合了深度学习的方法和人类视觉特性的特征，在各大3D数据库中取得的数据指标均优于目前现存的大部分算法。

摘要： 本发明公开了一种模仿人类视觉系统对伪装目标检测与分割方法，该包括如下步骤：S1、制作预训练数据集；S2、构建基于模仿人类视觉系统对伪装目标检测与分割的模型，所述模型包括编码器模块、桥接模块、邻域连接解码器模块和部分解码器模块；S3、通过编码器模块提取显著性信息；S4、通过桥接模块扩大全局感受野；S5、通过领域连接解码器模块生成粗糙位置图；S6、通过部分解码器模块生成精确的位置图；S7、训练构建好的基于模仿人类视觉系统对伪装目标检测与分割模型。方法主要由编码器模块，桥接模块，邻域连接解码器模块和部分解码器模块组成，通过对神经网络进行训练，得到最优参数，实现对伪装目标的自动检测与分割。

摘要： 结合人类视觉感知特性的3D点云精简算法，属于3D点云数据处理领域，针对稠密3D点云数据量的急剧增加加重了后期数据处理、存储和传输负担的问题，本发明提出一种几何特征结合人类视觉感知特性的3D点云精简算法；结合点云的几何特征，该算法建立单向感知尖锐度函数与局部可见度函数来完成点的重要性评价，再根据点的重要性制定不同精简规则对点云实现分级精简。此外，为了提高混合特征评价模型的普适性，建立了各评价函数权重动态优化策略，实现了以特征评价结果为导向的权重值实时更新。实验验证了所提算法的有效性，与传统点云精简算法相比，本发明算法可在保持数据整体均匀性的同时，最大限度的保留点云的局部细节。

摘要： 本发明适用于辅助机器人控制领域，提供一种人类视觉驱动的上肢辅助机器人控制方法，所述方法包括：3D注视点估计步骤、头部姿态估计步骤、基于注视的意图识别步骤、时序意图优化步骤以及执行步骤。本发明方法结合了人工智能机器学习技术和人类的行为规律，利用深度神经网络提取注视和意图之间的内在关系并进行意图识别，在获得注视点位置信息和抓握意图信息之后，辅助机器人利用注视完成轨迹规划并实现辅助功能。