宋 皓， 徐小红

（1.合肥工业大学 计算机与信息学院，安徽 合肥 230009；2.中国电子科技集团公司 第三十八研究所，安徽 合肥 230088）

基于生物视觉通路的目标识别算法

宋 皓1，2， 徐小红1

（1.合肥工业大学 计算机与信息学院，安徽 合肥 230009；2.中国电子科技集团公司 第三十八研究所，安徽 合肥 230088）

研究哺乳动物视觉通路的结构和功能，为机器学习提供了广泛的思路。文章对经典稀疏编码和HMAX模型进行改进，建立一种模拟完整视觉通路的算法。用4DGabor金字塔模拟了视觉信息从视网膜到腹侧通路V1区的处理过程；设计一种带稀疏编码性质的非线性滤波器，模拟了信息在V1区到PFC区的多层次处理步骤。实验表明该算法能够符合已知生物模型，达到现有同类先进算法的效果。

皮层；HMAX模型；目标识别

随着神经系统学、生物物理学、解剖学、电生理学及心理学等学科的发展，基于生物视觉模式的计算机识别越来越广泛地被人们所接受。1952年，Paul McLean提出人类大脑是由“爬虫类脑”（脑干）、“哺乳动物类脑”（边缘系统）和“人类大脑”（新皮质）组成的三位一体（triune brain），其中新皮层（Neopallium）负责高级认知和记忆。1981年美国科学家Roger Sperry因为研究大脑半球的功能、瑞典科学家Torsten Nils Wiesel和美国科学家David Hunter Hubel因为研究大脑视神经皮层（Visual Cortex）的功能结构而共同获得诺贝尔生理学或医学奖。文献［1］论述了有关拓扑知觉理论生物学的证据。同步地，以生物实验为基础，计算机识别模型的建立也在不断地更新。本文将一个完整的图像表达分为编码（Coding）和汇聚（Pooling）2个部分。

近年来，局域特征（例如SIFT和HOG）催化了识别的发展。……