内容和运动方向感知计算模型

对视野中的物体及运动方向进行感知是视觉感知的基本问题之一,较高级视皮层从V1区的简单细胞开始分为两个通路:“What通路”和“Where通路”.前者对物体的形状、颜色、纹理等内容感知,后者对空间运动速度和方向等感知.本文利用仿脑视觉信息处理计算结构,研究视觉内容和运动方向上的感知计算模型、计算机理和学习算法.该计算模型是一个三层的神经网络,第一层是视觉信号输入层,用于接收外界图像刺激.第二层是神经信息内部表象层,与第一层的网络联结是通过神经元稀疏表象原理自适应形成神经元的感受野.为此,引入Kullback_Leibler散度描述神经元响应的独立性,极小化该代价函数导出网络联结权值的学习算法.从自然图像块中学习得到图像基函数,这些基函数具有局部性、朝向性和带通滤波性.这些性质与生理实验结果中的V1区简单细胞感受野特征相吻合.将这些基函数作为神经元的感受野,并在第三层对较高级视皮层的内容感知和运动感知神经元进行建模.在理想刺激中加入一定量的噪声后,该模型对内容和运动方向的感知仍有较高的准确率和较好的鲁棒性.最后给出的实验仿真结果说明模型的可行性和学习算法的简单有效性.