樊一娜，郎 波

(北京师范大学珠海分校 信息技术学院，广东 珠海 519087)

0 引 言

选取一个好的特征并且设计出相应的表征方法是物体识别模型的前提。在人类对物体的感知属性中，形状信息可能是最能引起视觉注意的一个特征，相比其他属性(比如颜色、纹理等)可以使观察者预测关于物体的更多信息。除此之外，形状信息也是物体最稳定的属性，它不随图像亮度、对比度等因素的变化而发生实质性的变化。形状的分解表征决定着一个物体识别模型的最终效果，因为从物体的形状可以初步确定一个物体的类别，从形状所拆分得到的部件、部件之间的空间信息、部件之间组成的全局特征都是非常重要的特征。为了衡量带背景物体之间的形状相似性，需要一种适合计算机理解的形状表征方法来量化形状之间的相似度。基于此，将生物视觉中得到的“朝向特征”与“上下文信息”相融合对物体形状进行表征，找到一种最适合基于形状的物体识别模型[1-2]。

1 模型的建立

1.1 神经元感受野的响应与图像的方向检测

如图1所示，神经元感受野的位置居于明暗对比的刺激区域。

图1 神经元感受野对明暗变化的刺激对比

(1)

结合文献[4-6]的研究结果，神经元感受野在物体边缘上的分布如图2所示。

图2 感受野覆盖在刺激边缘的分布

(2)

得到最优解为：

(3)

计算检测到的方向与观测数据之间的误差为：

(4)

为了评估计算结果，引入最大允许误差emax，如果优化误差e(k,b)

1.2 朝向轮廓上下文

物体的形状轮廓由一些基本线段组成，如图3所示，基本线段之间的互联用连接线段表示。……