基于視覺仿生的超分辨率圖像信息獲取方法
【專利摘要】本發(fā)明公開了一種基于視覺仿生的超分辨率圖像信息獲取方法，屬于圖像處理領(lǐng)域。本發(fā)明受人眼在微動模式下能夠獲取超分辨率圖像信息的啟發(fā)，結(jié)合人眼固視微動和超分辨率特性，提出一種基于視覺仿生的超分辨率圖像信息獲取方法。該方法建立了超分辨率圖像信息獲取的模型，揭示了人眼固視微動與超分辨率圖像信息獲取之間的定量關(guān)系，并通過實際圖像數(shù)據(jù)進行仿真驗證。本發(fā)明方法獲取的圖像細節(jié)大幅增加，視覺效果顯著改善，即獲取了超分辨率的圖像信息，具有應(yīng)用和推廣價值。
【專利說明】基于視覺仿生的超分辨率圖像信息獲取方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理領(lǐng)域，具體屬于超分辨率圖像獲取技術(shù)。

【背景技術(shù)】
[0002] 人類視覺系統(tǒng)的視網(wǎng)膜承擔著視覺信號的初級處理功能，總的來說，視網(wǎng)膜由三 層細胞組成。第一層是感光細胞層，主要負責感受外界的光照刺激；第二層是雙極細胞層， 負責聯(lián)絡(luò)作用，將感光細胞與神經(jīng)節(jié)細胞相聯(lián)系；第三層是神經(jīng)節(jié)細胞層，它是唯一能將視 網(wǎng)膜處理后的視覺信息編碼為神經(jīng)電信號傳輸?shù)酱竽X的細胞。視網(wǎng)膜中有一個非常重要的 概念一感受野。神經(jīng)節(jié)細胞的感受野是指一定區(qū)域范圍內(nèi)的神經(jīng)節(jié)細胞，這些細胞能夠同 時感受來自上一層細胞的某個刺激，并產(chǎn)生相應(yīng)的響應(yīng)輸出。在感知外界自然場景時，外部 光信號入射到視網(wǎng)膜的感光細胞上，并經(jīng)視網(wǎng)膜雙極細胞回路傳遞至神經(jīng)節(jié)細胞，神經(jīng)節(jié) 細胞將接收到的光刺激轉(zhuǎn)化為神經(jīng)電信號，經(jīng)視交叉神經(jīng)和外膝體神經(jīng)中轉(zhuǎn)，最終到達大 腦的視覺皮層，視覺皮層對電信號進行處理加工后還原出視覺圖像。
[0003] 18世紀30年代，科學(xué)家們發(fā)現(xiàn)人眼具有固視微動現(xiàn)象，即在注視某一靜止物體 時，人眼并不是靜止不動的，而是以自身無法覺察的頻率和幅度進行著微小運動，這種微小 運動稱為人眼的固視微動。19世紀70年代，Westhemer G.發(fā)現(xiàn)人眼具有超分辨能力現(xiàn)象， 即在正常人眼視網(wǎng)膜的中央凹區(qū)，兩個視錐細胞的最小中心距離為30"到Γ，理論分析 認為，人眼的分辨能力受視網(wǎng)膜內(nèi)感光細胞的排列密度限制。心理物理實驗研究表明，在某 些刺激圖形下，人眼可以分辨空間上相距大約1"到6"視角的兩個點，這大大超出了視網(wǎng) 膜中央窩區(qū)感光細胞的最大排列密度，比理論值高出一個數(shù)量級，這種現(xiàn)象被稱為人眼的 超分辨率。
[0004] 2000年，S. Martinez通過在實驗室條件下建立絕對的眼球固定狀態(tài)，以抑制固 視微動的發(fā)生，實驗證實當不存在眼球的微動時，視網(wǎng)膜上成的像將突然模糊并消失，這 就是著名的"Troxler效應(yīng)"，可見眼球的微動與視網(wǎng)膜感知成像有著密切的關(guān)系。對于 "Troxler效應(yīng)"，早期的科學(xué)家認為，由于視覺系統(tǒng)對于移動的物體更加敏感，因此固視微 動的意義就是制造這樣的運動以防止視覺信號的持續(xù)不變導(dǎo)致視覺神經(jīng)系統(tǒng)的適應(yīng)過程， 而使得感知信息退化消失。但是越來越多的觀測和實驗結(jié)果表明這樣的理解并不能夠解釋 固視微動的全部意義，因此持續(xù)涌現(xiàn)出對于眼動功能的大量解釋。當前主流意見一致認為， 當人注視著一個特殊的物體或者背景時，固視微動對于視覺的敏度和精度也有相應(yīng)的意義 和作用，但眼球固視微動與超分辨率之間的具體關(guān)系并沒有被詳細研究。


【發(fā)明內(nèi)容】

[0005] 采用人工神經(jīng)元MP模型來模擬視覺神經(jīng)元的工作過程，即通過構(gòu)建一個MP 神經(jīng)單元來模擬視覺神經(jīng)對外界輸入光強的感知、響應(yīng)及編碼過程。MP神經(jīng)元有一 個閾值，當輸入光強信號累加超過神經(jīng)細胞閾值時，神經(jīng)元即被激活，否則處于抑制狀 態(tài)。假定X 1, X2…Xn是傳來的輸入信號，》1，》^"'表不輸入信號的權(quán)重，0i表不神經(jīng) 元的響應(yīng)閾值，則第i個神經(jīng)元的輸入與輸出關(guān)系表示為

【權(quán)利要求】
1. 基于視覺仿生的超分辨率圖像信息獲取方法，其特征在于：采用人工神經(jīng)元MP模型 來模擬視覺神經(jīng)元的工作過程，即通過構(gòu)建一個MP神經(jīng)單元來模擬視覺神經(jīng)對外界輸入 光強的感知、響應(yīng)及編碼過程。
2. 根據(jù)權(quán)利要求1所述的基于視覺仿生的超分辨率圖像信息獲取方法，其特征在于： MP神經(jīng)元有一個閾值，當輸入光強信號累加超過神經(jīng)細胞閾值時，神經(jīng)元即被激活，否則處 于抑制狀態(tài)。
3. 根據(jù)權(quán)利要求1所述的基于視覺仿生的超分辨率圖像信息獲取方法，其特征在于： 假定X1, Xf Xn是傳來的輸入信號，W1, Wf Wn表不輸入信號的權(quán)重，0 i表不神經(jīng)兀的響應(yīng)
4. 根據(jù)權(quán)利要求1所述的基于視覺仿生的超分辨率圖像信息獲取方法，其特征在于： 在不同光強L的刺激下，神經(jīng)元激發(fā)出的響應(yīng)信號不同，每個神經(jīng)元的激勵響應(yīng)輸出由式
進行表達，式中L為入射光強，O為神經(jīng)元響應(yīng)輸 出，i表示第i個神經(jīng)元被激勵，R為各神經(jīng)元響應(yīng)閾值所滿足的分辨率。這樣由多個神經(jīng) 元被激勵后所構(gòu)成的光強量化序列，即形成了一組神經(jīng)編碼，不同的神經(jīng)編碼序列代表不 同的外界輸入光強。
5. 根據(jù)權(quán)利要求1所述的基于視覺仿生的超分辨率圖像信息獲取方法，其特征在于： 在人眼固視微動模式下，眼球的隨機運動使得外界入射到視網(wǎng)膜上的光強信號發(fā)生隨機變 化，即Lk (X，y) = L (X，y) + A L (X，y)，其中Lk為固視微動后的光強，A L為固視微動引起的隨 機變化量。
6. 根據(jù)權(quán)利要求5所述的基于視覺仿生的超分辨率圖像信息獲取方法，其特征在于： 人眼固視微動導(dǎo)致視覺刺激的變化可用光流方程表達為AL(x，y) =a(X，y)Ax+b(x，y) 八7，式中八1(1，7)表示點（1，7)上的光強度變化，3(1，7)、13(1，7)分別為點（1，7)的水平 方向梯度和垂直方向梯度，A X，Ay分別表示固視微動引起的水平和垂直方向的眼動幅度。
7. 根據(jù)權(quán)利要求6所述的基于視覺仿生的超分辨率圖像信息獲取方法，其特征在于： 本發(fā)明采用分數(shù)階微分表示a (x，y)、b (x，y)，即：
8. 根據(jù)權(quán)利要求6所述的基于視覺仿生的超分辨率圖像信息獲取方法，其特征在于：
為AL,它是一個期望為0、方差為a2+b2的高斯隨機變量。
9. 根據(jù)權(quán)利要求6所述的基于視覺仿生的超分辨率圖像信息獲取方法，其特 征在于：考慮到統(tǒng)計時間t，A L (X，y)應(yīng)相應(yīng)地表達為A L (X，y, t),即Lk (X，y)= L (x，y) + A L (x，y，t)。當眼動產(chǎn)生的刺激到達視覺系統(tǒng)后，神經(jīng)網(wǎng)絡(luò)將會產(chǎn)生相應(yīng)的神經(jīng)信 號序列[L(x, y) +AL(x, y, t)]，對應(yīng)的固視微動影響下神經(jīng)元[L]+i被激活的概率P[u+i可
10. 根據(jù)權(quán)利要求9所述的基于視覺仿生的超分辨率圖像信息獲取方法，其特 征在于：規(guī)定神經(jīng)元的數(shù)目為M，由于M的限制導(dǎo)致了靜態(tài)情況下感知圖像的分辨率 較低，本發(fā)明通過神經(jīng)元的隨機編碼統(tǒng)計分析以提高分辨率。對神經(jīng)編碼在T個周 期內(nèi)進行采樣統(tǒng)計，時間統(tǒng)計值[I*]可以作為對原始光刺激強度的最終估計值，即：
【文檔編號】G06N3/10GK104361395SQ201410662684
【公開日】2015年2月18日 申請日期:2014年11月17日 優(yōu)先權(quán)日:2014年11月17日
【發(fā)明者】代少升, 劉勁松, 向海燕, 劉琴, 常靜敏 申請人:重慶郵電大學(xué)