一种视皮层非经典感受野的模型

稀疏编码学习笔记整理（⼀）最近新⼊⼿稀疏编码，在这⾥记录我对稀疏编码的理解（根据学习进度不断更新中）⼀，稀疏编码的概述稀疏编码的概念来⾃于神经⽣物学。

⽣物学家提出，哺乳类动物在长期的进化中，⽣成了能够快速，准确，低代价地表⽰⾃然图像的视觉神经⽅⾯的能⼒。

我们直观地可以想象，我们的眼睛每看到的⼀副画⾯都是上亿像素的，⽽每⼀副图像我们都只⽤很少的代价重建与存储。

我们把它叫做稀疏编码，即Sparse Coding.1959年,David Hubel和Toresten Wiesel通过对猫的视觉条纹⽪层简单细胞的研究得出⼀个结论:主视⽪层V1区神经元的感受野能对信息产⽣⼀种“稀疏表⽰”.基于这⼀知识。

1961年,H.B.Barlow[5]提出了“利⽤感知数据的冗余”进⾏编码的理论.1969年,D.J.Willshaw和O.P.Buneman等⼈提出了基于Hebbian 学习的局部学习规则的稀疏表⽰模型.这种稀疏表⽰可以使模型之间有更少的冲突,从⽽使记忆能⼒最⼤化.Willshaw模型的提出表明了稀疏表⽰⾮常有利于学习神经⽹络中的联想.1972年,Barlow推论出在(Sparsity)和⾃然环境的统计特性之间必然存在某种联系.随后,有许多计算⽅法被提出来论证这个推论,这些⽅法都成功地表明了稀疏表⽰可以体现出在⼤脑中出现的⾃然环境的统计特性.1987年,Field提出主视⽪层V1区简单细胞的⾮常适于学习视⽹膜成像的图像结构,因为它们可以产⽣图像的稀疏表⽰.基于这个结论,1988年,Michison明确提出了神经稀疏编码的概念,然后由⽜津⼤学的E.T.Roll 等⼈正式引⽤.随后对灵长⽬动物视觉⽪层和猫视觉⽪层的电⽣理的实验报告,也进⼀步证实了视觉⽪层复杂刺激的表达是采⽤稀疏编码原则的.1989年,Field提出了稀疏分布式编码(Sparse Distributed Coding)⽅法.这种编码⽅法并不减少输⼊数据的,⽽是使响应于任⼀特殊输⼊信息的神经细胞数⽬被减少,信号的稀疏编码存在于细胞响应分布的四阶矩(即Kurtosis)中.1996年,Olshausen和Field在Nature杂志上发表了⼀篇重要论⽂指出,⾃然图像经过稀疏编码后得到的类似于V1区简单细胞的反应特性.这种稀疏编码模型提取的基函数⾸次成功地模拟了V1区简单细胞感受野的三个响应特性:空间域的局部性、时域和频域的⽅向性和选择性.考虑到基函数的超完备性(基函数⼤于输出神经元的个数),Olshausen 和Field在1997年⼜提出了⼀种超完备基的稀疏编码算法,利⽤基函数和系数的模型成功地了V1区简单细胞感受野.1997年,Bell和Sejnowski 等⼈把多维独⽴分量分析(Independent Component Analysis, ICA)⽤于⾃然图像数据分析,并且得出⼀个重要结论:ICA实际上就是⼀种特殊的稀疏编码⽅法.21世纪以来,国外从事稀疏编码研究的⼈员⼜提出了许多新的稀疏编码算法,涌现出了⼤量的稀疏编码⽅⾯的论⽂,国内研究者在稀疏编码和应⽤⽅⾯也作了⼀些⼯作],但远远落后于国外研究者所取得的成果.稀疏编码的⽬的：在⼤量的数据集中，选取很⼩部分作为元素来重建新的数据。

深度学习之卷积神经网络经典模型介绍1. AlexNet(2012)论文来自“ImageNet Classification with Deep Convolutional Networks”，在2012年ILSVRC（ImageNet Large-Scale Visual Recognition Challenge）赢得了分类识别第一名的好成绩。

2012年也标志卷积神经网络在TOP 5测试错误率的元年，AlexNet的TOP 5错误率为15.4%。

AlexNet由5层卷积层、最大池化层、dropout层和3层全连接层组成，网络用于对1000个类别图像进行分类。

AlexNet主要内容1.在ImageNet数据集上训练网络，其中数据集超过22000个类，总共有大于1500万张注释的图像。

2.ReLU非线性激活函数（ReLU函数相对于tanh函数可以减少训练时间，时间上ReLU比传统tanh函数快几倍）。

3.使用数据增强技术包括图像转换，水平反射和补丁提取。

4.利用dropout方法解决过拟合问题。

5.使用批量随机梯度下降训练模型，使用特定的动量和权重衰减。

6.在两台GTX 580 GPU上训练了五至六天。

2. VGG Net（2014）2014年牛津大学学者Karen Simonyan 和Andrew Zisserman 创建了一个新的卷积神经网络模型，19层卷积层，卷积核尺寸为3×3，步长为1，最大池化层尺寸为2×2，步长为2.VGG Net主要内容1.相对于AlexNet模型中卷积核尺寸11×11，VGG Net的卷积核为3×3。

作者的两个3×3的conv层相当于一个5×5的有效感受野。

这也就可以用较小的卷积核尺寸模拟更大尺寸的卷积核。

这样的好处是可以减少卷积核参数数量。

2.三个3×3的conv层拥有7×7的有效感受野。

1 判断题具备生命特征的所有动物都有大脑;我的答案：×得分：分2 判断题裂脑人是由于外科手术造成两侧大脑相互独立工作;我的答案：√得分：分3 判断题人对自我,对他人,对社会的看法是社会学层次的讨论对象,难以用脑这一自然科学研究对象来表现;我的答案：×得分：分4 判断题传统的东方人和西方人对家庭和亲人的看法有所不同,它们可以在特定的脑区找到不同的激活方式;我的答案：√得分：分1 判断题现代科学技术可以用光来控制神经细胞的反应,可以控制特定的大脑核团; 我的答案：√得分：分2 判断题隐藏在内心深处的秘密不告诉别人,也没有方法被人破解;我的答案：×得分：分3 判断题特定的大脑核团执行特定的任务,它的病变造成功能丧失,表现的症状是相似的;我的答案：×得分：分4 判断题脑的生物电信号可以被用来解读,从而控制机器;我的答案：√得分：分1 单选题可以无损伤地看到大脑的功能活动;A.单电极记录B.功能核磁共振C.内源信号光学成像D.深度脑刺激我的答案：B得分：分2 单选题人脑中有神经元;万亿亿亿我的答案：D得分：分3 单选题神经元的细胞体大小为;毫米厘米微米纳米我的答案：C得分：分4 判断题神经元之间的连接方式一旦建立就不会改变; 我的答案：×得分：分1 单选题是神经元所不具备的;A.细胞核B.树突C.细胞壁D.轴突我的答案：C得分：分2 单选题髓鞘起到的主要作用是;A.传送营养物质B.传送带电离子C.绝缘D.接受电信号我的答案：C得分：分3 单选题树突小棘的主要作用是;A.传送动作电位B.合成蛋白C.接受其它神经元的输入D.接受外源营养我的答案：C得分：分4 判断题神经元的大小形状基本一致;我的答案：×得分：分1 单选题突触前膜囊泡的释放是由触发的;A.钙离子B.神经递质D.纳离子我的答案：C得分：分2 单选题电突触具备特点;A.突触延迟B.神经递质释放C.前膜与后膜相互独立隔绝D.信号可双向传递我的答案：D得分：分3 判断题突触是神经元之间进行信息交流的主要位点; 我的答案：√得分：分4 判断题电突触是人脑中占据主导地位的突触形式; 我的答案：×得分：分1 单选题不能打开离子通道;A.机械力B.化学递质C.电压D.水分子我的答案：D得分：分2 单选题离子通道是;A.多糖大分子B.磷脂分子C.蛋白质复合物D.核糖核酸大分子我的答案：C得分：分3 单选题离子通道开关主要是由于;A.离子浓度差B.细胞膜的流动C.基因的表达D.蛋白构象的变化我的答案：D得分：分4 判断题机械力能使某些离子通道打开;我的答案：√得分：分1 单选题钠钾泵最重要的意义在于;A.消耗ATPB.维持兴奋性C.维持离子平衡D.建立膜内外电势差我的答案：D得分：分2 单选题形成静息电位的主要离子机制是;A.钙离子内流B.氯离子内流C.钠离子内流D.钾离子外流我的答案：D得分：分3 单选题细胞对下列离子的通透性最好的是;A.钾离子B.钠离子C.钙离子D.氯离子我的答案：A得分：分4 判断题氯离子和钠离子一样,膜外浓度高于膜内浓度,钠离子平衡电位为正,但是氯离子的平衡点位是负值;我的答案：√得分：分1在化学信号转换成电信号的过程中,神经递质使通道打开,钠离子内流,引起去极化产生动作电位;下列说法错误的是;A、受到刺激产生的电信号,不仅有钠离子内流引起的去极化,也有氯离子内流和钾离子外流引起的复极化产生,所以产生的电信号是多种离子流动共同产生的整合信号B、神经递质作用受体之后一段时间后会被吸收,然后通道会关闭,然而钾离子不断外流恢复到静息电位C、细胞膜对钾离子的通透性较好,在动作电位产生时,钾离子的跨膜速度也是最快的D、神经元受到刺激后产生动作电位去极化,钾离子依然是向细胞膜外流动我的答案：C 得分：分2影响静息电位的因素不包括;A、膜内外钾离子浓度差B、膜对各离子的通透性,钠离子、钾离子、钙离子和氯离子等C、钠钾泵的存在D、细胞ATP浓度我的答案：D 得分：分3乙酰胆碱与N型受体结合,结构改变使丝氨酸和苏氨酸负电基团暴露在通道中心处,所以该通道能够使合适的阳离子顺利通过,包括钠离子的内流和钾离子的外流;我的答案：√ 得分：分4神经元接受两个的独立的时间上接近的刺激后,突触后电位是呈现一个非线性的叠加状态;我的答案：√ 得分：分1下列离子通道选择性打开时,会引起神经兴奋的是;A、通道B、通道C、通道D、通道我的答案：C 得分：分2不同的神经递质作用不同的受体产生的效果不会是;A、兴奋或抑制B、反应迅速或缓慢、长期或短期C、反应强烈或柔和D、反应或不反应我的答案：D 得分：分3神经递质从前膜释放作用于后膜引起电位变化,完成了化学信号到电信号的转换,不同的神经递质和不同的受体产生的电信号会不同;我的答案：√ 得分：分4谷氨酸对于任何受体来说都是兴奋性神经递质;我的答案：×得分：分1电信号传递的衰减与无关;A、神经树突的半径B、神经树突的长度C、神经传递是否存在分支D、以上都是我的答案：D 得分：分2神经元树突半径变大,衰减率会;A、增强B、减弱C、与半径无关D、先增强然后再减弱我的答案：B 得分：分3下图哪条曲线反映的是神经传递由细支到粗支传递的衰减变化过程;A、AB、BC、CD、D我的答案：C 得分：分4由于神经树突存在电阻,电信号的传递是不断衰减的;我的答案：√ 得分：分1下列说法正确的是;A、电特性长度取决于神经树突的物理长度B、同一神经元树突的电特性长度是一定的C、神经树突存在着多种离子通道,在传递过程中使得电信号衰减,电特性长度边长D、树突上的离子通道通透性增强,导致电特性长度变短我的答案：C 得分：分2下列说法错误的是;A、树突的形状、结构和分布不是随意的,它形成的背后符合生理特性,是有计算且有意义的B、电信号的传递在神经元中由外到内和由内到外传递效果是不同的C、兴奋性电信号和抑制性电信号共同作用在突触后有可能整合表现为无信号D、两种不同分支的信号在突出后整合是线性叠加的我的答案：D 得分：分3从突触前两个分支给予一个单位的刺激,整合到突触后电位表现为;A、一个单位电信号B、两个单位电信号C、大于一个单位小于两个单位电信号D、大于两个单位电信号我的答案：C 得分：分4电信号由中枢向周围传递的电特性长度表现比由周围向中枢传递的电特性长度要长; 我的答案：×得分：分1神经元对于动作电位的编码和传递过程中,不是我们极力要求的;A、不要衰减B、高保真C、传递迅速D、可以在树突上产生我的答案：D 得分：分2动作电位产生之后达到峰值,开始复极化直到恢复到静息电位,其中复极化产生最主要的原因是;A、钠通道失活,电压门控钾通道大量开放B、氯离子不断内流C、时间的延长信号不断衰减D、钠钾泵不断工作我的答案：A 得分：分3动作电位的特点不包括;A、全或无B、信号强度可变C、不可叠加D、具有不应期我的答案：B 得分：分4我们都知道,动作电位的产生是具有全或无的特征,在局部电位信号高于一定数值时,钠通道打开,快速引起去极化,产生动作电位;我的答案：√ 得分：分1的病因是无法形成新生的非陈述性记忆;A、HM症B、USN症C、Creatzfeldt-Jakob病D、Gerstmann综合症我的答案：A 得分：分2关于海马受损的说法正确的是;A、损伤前的旧记忆几乎消失而并不影响新的记忆形成B、损伤前的旧记忆不受影响而新的记忆形成受到阻碍C、损伤前的旧记忆和新的记忆形成都不受影响D、损伤前的旧记忆消失且新的记忆无法形成我的答案：B 得分：分3HM症患者在海马体功能完全丧失切除或损毁后无法形成任何新生记忆; 我的答案：×得分：分4长期住院并插有食道管的病人,在康复出院后取下食道管并练习自主吞咽过程属于非陈述性记忆;我的答案：√ 得分：分1与长时记忆无关;A、NMDAB、ACTHC、PKAD、Mrna我的答案：B 得分：分2下面说法正确的是;A、短时记忆和长时记忆是由两个完全互不干扰的通路控制B、蛋白激酶C可以使AMPA受体受到永久性活化C、细胞质内的第二信使可以激活核区的CREB蛋白D、长时记忆的产生仅表现为突触联系增多而无分子水平的变化我的答案：C 得分：分3大脑皮层CA1区锥体细胞中包含两类受体：AMPA受体和NMDA受体,这两种受体都是的通道; 我的答案：×得分：分4LTP是学习和记忆关系的关键神经机制;我的答案：√ 得分：分1关于不同种类的记忆在脑区中的定位正确的是;A、在海马产生运动性条件反射B、在海马学习运动技巧C、在海马产生陈述性记忆D、在海马产生非陈述性记忆我的答案：C 得分：分2海兔的缩腮反射是研究习惯化极好的模型,缩腮反射习惯化产生的原因是;A、喷水管皮肤上的感觉神经末梢对刺激的敏感性降低B、缩腮肌肉对来自L7运动神经元信号的反应能力降低C、感觉神经元和运动神经元之间的突触发生了变化D、突触上的通道经过反复开放后使得单个动作电位引起的突触前内流增加我的答案：D 得分：分3海兔的缩腮反射可以被5-HT受体、第二信使以及PKA调节,使得该反射反应敏感化; 我的答案：√ 得分：分4程序性记忆包括运动技巧、认知技巧和情景记忆;我的答案：×得分：分1 单选题关于经典条件反射正确的是;A.只有高等脊椎动物才会产生经典条件反射B.经典条件反射包括延缓条件反射和痕迹条件反射C.遗忘症病人无法建立和保持延缓条件反射D.延缓条件反射和痕迹条件反射都属于陈述性记忆我的答案：B得分：分2 单选题以下说法正确的是;A.恐惧学习属于情绪学习的一种B.海马体在情绪学习中起到重要作用C.情绪学习的周期较短,容易被轻易遗忘D.一些激素如肾上腺素会对情绪学习产生负影响我的答案：A得分：分3 单选题关于视觉启动效应,下列说法错误的是;A.它发生在初级视皮层B.它能加强个体地近期遇到过的刺激形成知觉的能力C.它能提高个体对熟悉管径感知的速度和效率D.它的发生依赖于内侧颞叶和海马我的答案：D得分：分4 判断题大脑具有分类学习的能力,这种能力与小脑有较大关联;我的答案：×得分：分1 单选题以下说法不正确的是;A.海马参与中、短期记忆B.长期记忆存储于海马中C.在记忆形成时前额叶皮层促进皮质元件向海马投射D.一旦皮质元件之间建立起联系,前额叶皮层会阻断向海马投射我的答案：B得分：分2 单选题关于情景记忆,不正确的说法是;A.前额叶受损仅对老人的源头记忆有影响,而对小孩则不会产生影响B.对情景记忆的知觉又称自主意识C.情景记忆来自多个皮层的影响D.情景记忆受老化影响很大我的答案：A得分：分3 判断题Hebb学说认为神经网络的学习过程最终是发生在神经元之间的突触部位,突触的联结强度随着突触前后神经元的活动而变化,变化的量与两个神经元间的反应程度有关; 我的答案：√得分：分4 判断题对正常人和遗忘症病人同时进行镜像反转英文单词阅读的训练,发现病人的认知技巧明显不如正常测试者;我的答案：×得分：分1有的小朋友,左眼弱视,一般会怎样纠正;A、将左眼挡住B、将右眼挡住C、配戴近视镜D、弱视不需要纠正我的答案：B 得分：分2就人来说所谓的视觉发育关键期,大概的来说是在;A、终身具有关键期B、在胎中发育就进入关键期C、在出生后才进入关键期,然后再慢慢脱离关键期D、在青春期的时候,进入关键期我的答案：C 得分：分3在小动物生长关键期内,将一只眼挡住即为剥夺眼培养一段时间后,对应的脑功能区会缩小,将剥夺眼恢复视觉正常环境,去掉挡光,在培养一段时间,对应的脑功能区又会恢复;我的答案：√ 得分：分4视觉关键期指在动物发育早期特定时间内,视觉经验变化能引起视觉皮层功能快速的显着变化,当视觉变化在关键期内该功能变化为可逆的,在关键期之外的变化则转变为终身不可逆;我的答案：√ 得分：分1 单选题有的小朋友,左眼弱视,一般会怎样纠正;A.将左眼挡住B.将右眼挡住C.配戴近视镜D.弱视不需要纠正我的答案：B得分：分2 单选题就人来说所谓的视觉发育关键期,大概的来说是在;A.终身具有关键期B.在胎中发育就进入关键期C.在出生后才进入关键期,然后再慢慢脱离关键期D.在青春期的时候,进入关键期我的答案：C得分：分3 判断题视觉关键期指在动物发育早期特定时间内,视觉经验变化能引起视觉皮层功能快速的显着变化,当视觉变化在关键期内该功能变化为可逆的,在关键期之外的变化则转变为终身不可逆;我的答案：√得分：分4 判断题在小动物生长关键期内,将一只眼挡住即为剥夺眼培养一段时间后,对应的脑功能区会缩小,将剥夺眼恢复视觉正常环境,去掉挡光,在培养一段时间,对应的脑功能区又会恢复;我的答案：√得分：分1下列不属与神经计算基元的是;A、多糖分子B、微观层次离子通道C、神经元简化模型D、介观层次神经元集群模型2下列说法正确的是;A、现在有很多门是当我们走近它的时候,它会自动打开,这是一种类似于神经网络学习的人工智能B、人工智能深度学习神经网络,是一种类似于神经网络结构,存在多种层次结构相互连接存在多种投射大数据大运算的一种仿生C、人工智能翻译目前可以流畅准确的翻译文学作品D、现在的机器人可以有情绪和意识我的答案：A 得分：分3在大脑神经智能上存在一种统一的基元,它就是神经元功能柱;我的答案：×得分：分4突现的生命特征,是神经系统在高级层次上产生认知、情绪、语言、意识的原因; 我的答案：√ 得分：分1对下图理解正确的是;A、图一黑色边缘在感受野之外,感受野受到亮光刺激,中心兴奋周边抑制,总体表现为少许兴奋B、图二黑色边缘与中心区域相切,左侧少许周边致被覆盖,所以中心区完全兴奋,周边抑制区抑制作用减弱,总体表现较强兴奋C、图三黑色边缘已掠过中心区将其完全覆盖,只有少量周边抑制区受到刺激,总体表现为抑制D、以上说法均正确.我的答案：D 得分：分2下列条带在视觉表现那个更醒目A、红字蓝底B、黄字蓝底C、绿字蓝底D、蓝字蓝底我的答案：B 得分：分3马赫带现象是在黑边相间的条纹图案中,在黑白边界处,白的略显暗淡,黑的显得更亮一些;4马赫带的存在实质上是欺骗我们的,使我们看到的世界并不真实,因此它的存在具有消极意义;我的答案：×得分：分1关于节律运动说法正确的是;A、刻板的、重复性的运动;B、可以随时开始;C、一旦发起只需要意识较低限度的维持;D、可以随时终止;我的答案：C 得分：分2下列猫在运动过程中猫爪停留在空中时间说法正确的是;A、慢速行走的时候在空中停留时间最长；B、快跑的时候在空中停留时间最长；C、一般运动状态下在空中停留时间最长；D、任何状态时间均相等;我的答案：D 得分：分3猫狗的搔抓反射其实就是一个中间神经元通过抑制性中间神经元来抑制另外一个中间神经元,从而使屈肌运动神经元和伸肌运动神经元轮流发挥作用;我的答案：√ 得分：分1运动的精细控制受到怎样的调节A、基底神经不仅有兴奋作用,又有抑制性作用B、基底神经传递有直接通路C、基底神经有间接通路D、以上全正确我的答案：D 得分：分2直接通路在尾核和壳核刺激,经苍白球内侧部,到丘脑复合体,然后传递到大脑皮层,最终表现为兴奋;我的答案：√ 得分：分3在间接通路中,在尾核和壳核处刺激,抑制经苍白球外侧, 再到苍白球内侧,再到丘脑复合体,最终表现为兴奋; 我的答案：×得分：分1对帕金森症的手术治疗有;A、苍白球局部损毁切除B、脑深部电刺激DBSC、干细胞移植手术D、上述均正确我的答案：D 得分：分2亨廷顿症的临床症状表现为;A、不自主抽搐手舞足蹈,易抑郁B、肌肉僵直运动缓慢C、思维迟钝智能障碍D、安静状态时,手、头不自主震颤我的答案：A 得分：分3帕金森综合征,能够有效治疗;A、多巴胺B、L型多巴C、乙酰胆碱D、去甲肾上腺素我的答案：B 得分：分4亨廷顿病影响的是间接通路,影响刺激到苍白球外侧途径,其抑制性减弱最终表现是兴奋性增强;我的答案：√ 得分：分1会导致右侧视野完全丧失;A、切断左侧视神经B、切断右侧视神经C、切断左侧视束D、沿中部切开视交叉我的答案：C 得分：分2关于眼部病变的相关疾病说法错误的是;A、青光眼患者的房水压高导致视神经离开眼球,视神经轴突萎缩B、视网膜剥离症患者会对光照和阴影产生错觉C、色素性视网膜炎是一种与基因突变有关的疾病,表现为渐进的光感受器退行性病变D、患有黄斑退化的病人首先表现为周边视觉和夜视的丧失,随后会可能完全致盲我的答案：D 得分：分3眼睛具有两类光感受器细胞,一个主要在低亮度下工作,一个主要在高亮度下工作; 我的答案：√ 得分：分4视网膜的输出可以完全忠实地反应出当前的光强度;我的答案：×得分：分1视锥细胞中存在对三种不同波长敏感的蛋白,根据这三种蛋白可将视锥细胞分为;A、红锥,黄锥,蓝锥B、红锥,绿锥,蓝锥C、橙锥,紫锥,绿锥D、红锥,紫锥,蓝锥我的答案：B 得分：分2以下关于视网膜细胞的描述正确的是;A、视觉信息流的最为直接的通路是由光感受器通过双极细胞至神经节细胞的传递B、除了神经节细胞之外还有多种视网膜细胞参与视觉输出C、无长突细胞接收来自光感受器的输入,并通过侧向轴索影响周围的双极细胞和光感受器D、水平细胞接受双极细胞的输入,并通过侧向投射影响周围的神经节细胞、双极细胞我的答案：A 得分：分3由于视杆细胞与视锥细胞中都含有视色素,因此它们对于色觉都有显着贡献; 我的答案：×得分：分4视网膜具有双重性,暗视视网膜只使用视杆细胞,而明视视网膜主要使用视锥细胞; 我的答案：√ 得分：分5视网膜中主要的光敏细胞是光感受器;所有其他细胞仅通过与光感受器的直接或间接的突触联系受到光的影响;我的答案：√ 得分：分1关于双极细胞的叙述不正确的是A、双极细胞分为撤光双极细胞OFF细胞和给光双极细胞ON细胞;B、双极细胞的中心感受野与周边感受野的膜电位对光反应相同,即对中心光照能使双极细胞去极化那么对其周边光照也会使双极细胞去极化;C、双极细胞的中心感受野是一个提供直接光感受器输入的圆形视网膜区域,周边感受野是一个通过水平细胞提供输入的视网膜环形区域;D、OFF细胞谷氨酸门控的阳离子通道通过内流介导经典的去极化兴奋性突出后电位EPSP 我的答案：A 得分：分2视觉系统具有并行处理机制,关于其特点的描述不正确的是A、使用两只眼睛观察可以产生两个并行的信息流;B、给光和撤光中心神经节细胞能够独立感知明暗信息;C、给光和撤光中心神经节细胞具有不同的感受野;D、给光和撤光中心神经节细胞有着相同的反应特性.我的答案：D 得分：分3人类的视觉系统特化为对局部空间的变化进行检测,而不是对落在视网膜上的光的绝对幅度进行检测;因此对光或暗的感知不是绝对的而是相对的;我的答案：√ 得分：分4光感受器在光照时释放的递质分子多于在暗中释放的递质分子;我的答案：×得分：分1颜色对立细胞对光的波长差异十分敏感,例如表示细胞具有红色给光中心以及绿色撤光周边,那么对于该细胞;A、仅对中心给红光刺激无法引起神经节细胞的反应B、给予周边绿光刺激会引起神经节细胞反应C、给予中心绿光刺激会引起神经节细胞强烈反应D、对中心和周边同时给红光刺激无法引起神经节细胞的反应我的答案：B 得分：分2对于撤光中心神经节细胞输出的说法正确的是;A、感受野中心“看”到明-暗边界刺激光照一侧的细胞最兴奋B、感受野中心“看”到明-暗刺激边界阴影一侧的细胞最兴奋C、感受野中心“看”到全光照刺激时细胞最兴奋D、感受野中心“看”到全黑暗刺激时细胞最兴奋我的答案：B 得分：分3下面关于X和Y细胞的描述正确的是;A、X、Y细胞是在恒河猴中的分类名称,对应猫的分类是P细胞和M细胞B、X细胞对变化敏感,而Y细胞对光强和细节敏感C、X细胞的对比敏感性函数可分解为中心和周边两个独立函数之差D、Y细胞的对比敏感度比X细胞的对比敏感度低我的答案：C 得分：分4当正弦光栅在空间上处于相对于感受野中心奇对称时,X细胞无反应,此时感受野所受光照等于平均光强; 我的答案：√ 得分：分1关于LGN两种放电方式不正确的是;A、神经元膜电位处于相对超极化状态时表现为持续型放电B、神经元膜电位处于相对超极化状态时表现为爆发型放电C、细胞爆发型放电的原因是T型钙通道打开从而引起足够大的钙电流D、细胞持续型放电时T型钙通道关闭我的答案：A 得分：分2外膝体LGN是视觉信息处理通路上位于大脑的结构,关于LGN的说法正确的是;A、猫科动物、灵长类等高级哺乳动物的LGN一般分为6个层次B、由于LGN神经元感受野的性质与视网膜神经节细胞相似,因此一般认为LGN在信息处理上仅起到简单的传递作用C、外膝体神经元分为中间神经元和中继细胞两类D、中间神经元和中继细胞的胞体与纤维都在LGN内我的答案：C 得分：分3LGN细胞的动作电位都可以表现为持续型放电和爆发型放电两种方式;我的答案：√ 得分：分4视网膜传递信息至LGN进而传递到视觉皮层是一个单向传递过程;我的答案：×得分：分1关于视觉皮层的描述正确的是;A、灵长类的初级视觉皮层为17区,位于大脑的前额叶B、初级视觉皮层可用尼氏染色法进行染色C、初级视觉皮层分为5层,每一层都含有神经元D、初级视觉皮层从白质开始依次命名为I层~VI层我的答案：B 得分：分2简单细胞主要分布于视皮层的17区第IV层内,根据其感受野亚区的不同还可以分为方位选择性及方向选择性等,关于简单细胞的说法正确的是;A、根据光条在细胞感受野上的位置可以把简单细胞分为ON型和OFF型B、每个简单细胞的给光和撤光中心都有与之协同的周边C、方位选择性细胞对于多种方向的光刺激均有较好的反应D、方向选择性细胞对于多种光的运动方向均有较好的反应我的答案：A 得分：分3LGN方向敏感性可以通过后天的训练获得;我的答案：×得分：分4LGN细胞方位选择性的三种假说汇聚理论、皮层内正交抑制理论以及皮层内回馈理论都是主要的神经机制;。

视觉通路背侧通路：where通路，视皮层一些区域联合形成的系统，参与空间位置知觉，开始于纹状皮层，结束于后顶叶。

腹侧通路：what通路，视皮层的一些区域联合形成的系统，参与形状知觉，开始于纹状皮层，结束于下颞叶。

躯体感觉通道：面部感觉信息通过三叉神经传递皮肤、肌肉体感器官信息通过脊髓传导，有两种：背侧柱-内侧丘系通路：传递精确定位的信息（触觉），通过脊髓背侧柱上行至延髓，在延脑中交换至对侧后通过内侧丘系传至丘脑腹后侧核即躯体感觉终继核团。

脊髓-丘脑通路：传递非精确定位的信息（温度觉等），一到达脊髓即与其他神经元形成联结，交换至对侧后通过脊髓丘脑通路上行至丘脑腹后侧核。

听觉通路：耳蜗神经节→延髓耳蜗核→上橄榄核群（外侧丘系）→中脑下丘→丘脑内侧膝状体→颞叶。

视觉失认症：视敏度正常，但由于脑损伤导致无法正确知觉，视觉联合皮层统觉视觉失认症：高级视知觉缺失视敏度正常仍无法知觉物体联想视觉失认症：视知觉与言语系统分离导致，可以描画不能命名，可以借助其他感觉帮助命名光感受器：视杆细胞：1.2亿视网膜周围中央凹周围弱光提供黑白信息视敏度低视锥细胞：600万视网膜中央中央凹中强光提供色彩信息视敏度高感受野：视野的一部分，呈现于该细胞感受野内的光线刺激引起该细胞发放率的变化，由近似圆形的中心部和环形的外周部组成。

刺激中心部和外周部引起相反的变化：ON细胞被呈现在中央部的光线激活，被外周部的光线抑制，OFF细胞相反。

味觉通道：舌尖通过面神经分支鼓索传递到孤束核，舌头尾端通过舌咽神经和迷走神经到达孤束核，孤束核将轴突传至丘脑腹后内侧核，在传至前额叶底部和岛叶初级味觉皮层。

睡眠阶段：第一阶段，3.5~7.5HZ的θ波10min；第二阶段，纺锤波和K复合波出现15min；第三阶段，δ波出现，δ波占脑电波的20%~50% 20min，第四阶段，δ波占脑电波的50%以上45min。

血脑屏障：大脑细胞和血管之间液体传递和交换的屏障，由血管的内皮细胞生成。

1.什么是认知神经科学答：认知神经科学是在传统的心理学、生物学、信息科学、计算机科学、生物医学工程，以及物理学、数学、哲学等学科交叉的层面上发展起来的一门新兴学科，旨在阐明自我意识、思维想像和语言等人类高级精神活动的神经机制。

答（百科）：认知神经科学认知神经科学的研究旨在阐明认知活动的脑机制，即人类大脑如何调用其各层次上的组件，包括分子、细胞、脑组织区和全脑去实现各种认知活动。

2．认知神经科学研究技术答：①脑电图与事件相关电位的发展：20 世纪50 年代末随着计算机在生物学中的应用导致事件相关电位（ERP）问世。

②脑磁图的发展：第一套有屏蔽室的脑磁图系统（MEG）设在麻省理工学院的Francis Bitter Magnetic 实验室。

③正电子断层扫描技术：20 世纪70 年代中期发展起来的核医学成像技术。

④功能磁共振成像的发展：20 世纪90 年代脑研究领域发展最迅速的一种非侵入性活体脑功能检测技术。

⑤光学成像技术：时间和空间分辨率已达约5μm 的物方元和每秒25 帧以上的视频速度。

3.神经解剖方法一、单个神经元1．Golgi 法（1）Golgi 于1873 年开始使用。

（2）适用于染年轻的脑细胞。

2．细胞内染色法（1）细胞内注射示踪剂技术。

（2）用于对靶神经元进行电位记录3．电子显微镜用于观察细胞及亚细胞的微细结构二、神经元群1．尼氏染色法（1）1894 年Nissl 发明。

（2）用于划分皮层下核团及皮层区的界限，以及测定细胞数量和密度。

2．免疫细胞化学（1）用于揭示神经细胞亚群的新方法。

（2）对靶细胞标记相应的抗体。

3．组织化学使用成色剂沉淀为酶反应的最终产物，从而揭示细胞和突起对某些物质起正反应的一种技术。

4．细胞色素氧化酶标记细胞色素氧化酶呈现为特殊的斑块形状。

三、连接1．Nauto 法（1）1954 年，Nauto 改进的银染色法（2）用于对长距离的连接。

2．顺行和逆行示踪剂（1）顺行示踪剂：示踪剂被胞体和树突摄入，并沿轴突被动运送至末梢。

超柱：在⼤脑视觉⽪层中，具有相同感受野的多种特征检测细胞聚集在⼀起，形成了对各种视觉属性综合反应的基本单元。

超柱仅实现同⼀种感觉模式中，各种属性的综合反应，形成简单的知觉；联络区⽪层的多模式感知细胞，则将多种模式的感觉信息综合为复杂的知觉。

精神盲：两半球颞下回的损伤使猴不能识别现实刺激物。

它们看见蛇也视⽽不见，冷若冰霜，失去了正常猴所具有的那种恐惧反应能⼒。

因⽽将颞下回损伤造成的这种认知障碍，称为精神盲。

颞下回的⼀些神经元，不仅对复杂视觉刺激物单位发放率增加和发⽣的反应，⽽且对多种其它感觉刺激，如躯体觉、运动觉、⾷物嗅觉与味觉等刺激均可引起其单位发放率的变化。

因此，将这类神经元称谓多模式感知神经元。

第四章　注意 注意并不是⼀个独⽴的⼼理过程，只不过是⼀种⼼理状态，是某种⼼理活动的指向性、选择性、集中性。

这种⼼理活动可能是感知过程，也可思维过程，所以，注意总是和认知活动同时存在。

◎朝向反应就是由这种新异性强刺激引起机体的⼀种反射活动，表现为机体现⾏活动的突然中⽌，头⾯部甚⾄整个机体转向新异刺激发出的⽅向。

通过眼、⽿的感知过程探究新异刺激的性质及其对机体的意义。

朝向反应是⾮随意注意的⽣理基础。

经典神经⽣理学家巴甫洛夫在狗唾液条件反射实验中发现，对于已经建⽴起唾液条件反射的狗，给予⼀个突然意外的新异性声⾳刺激，则唾液分泌条件反射⽴即停⽌，狗将头转向声源⽅向，两⽿竖起，两眼凝视瞳孔散⼤，四肢肌⾁紧张，⼼率和呼吸变慢，动物作出应付危险的准备。

巴甫洛夫认为这种对新异刺激的朝向反射本质是脑内发展了外抑制过程。

新异刺激在脑内产⽣的强兴奋灶对其他脑区发⽣明显的负诱导，因⽽抑制了已建⽴的条件反射活动。

随着新异刺激的重复呈现，失去了它的新异性，在脑内逐渐发展了消退抑制过程，抑制了引起朝向反射的兴奋灶，于是朝向反射不复存在。

由此可见，巴甫洛夫关于朝向反射的理论主要是根据动物的⾏为变化，概括出脑内抑制过程的变化规律，⽤他的神经过程及其运动规律加以解释。

神经信息学基础课程总结第一讲神经信息研究技术简介1.脑研究的热潮：了解脑：理解感知、精神、智力、情绪的生物学基础；保护脑：控制脑发育和衰老过程、促进脑健康、征服脑疾患；创造脑：发展与开发生物智能机器。

2.神经信息学：神经科学和信息科学的交叉领域，是人类脑计划的核心内容。

目标：利用信息技术，建立神经信息学数据库。

对不同层次的有关脑的研究数据，进行检索、比较、分析、整合、建模和仿真，绘制出脑功能、脑结构和神经网络图谱；从基因到行为各个水平加深人类对大脑的理解3.神经信息的多层次性：微观层面：从生物分子和基因信息入手，是近代主流神经科学的出发点；宏观层面：从表象信息（体表特征、主观感受如量表）出发，是传统医学和（临床）心理学的重要支点；介观层面：以“神经元（群）及其网络系统”为物理载体的信息，是脑功能与脑疾病直接对应的层次，是神经系统功能作用的核心要素。

4.神经信息处理与调控技术：脑结构（CT/MRI/DTI/解剖学/组织学……）脑功能的宏观水平（EEG/fMRI/PET/MEG/TM/动物行为学研究/心理物理实验）脑功能的微观水平（单神经元Spike/Patch、分子生物学……细胞电生理记录：细胞内/外记录法、膜片钳记录法）脑功能的介观水平（多通道/光学成像/光遗传）建模与仿真(理论模型）5.脑功能研究的建模与仿真的意义：第一类方法：动物实验1）动物模型往往与人体差异较大，如何将其所得的结论推广至人体是一个难题；2）由于实验动物存在个体差异，活体实验要得到具有统计规律的结论，需要进行大量的重复性实验；3）实验技术条件和实验手段的限制，如一些极端条件或实验周期过长等因素的限制。

第二类方法：临床研究，由于受伦理道德的限制，许多实验不能直接在人体上进行。

第三类方法：建模与仿真，在大量实验数据的基础上，通过一定的数理方法，从中总结出规律性的东西。

经典研究例子：①H-H模型（霍奇金-赫胥黎模型）：模拟神经元动作电位的产生和传导②基于膜电阻电容和离子通道性质的房室模型：模拟神经元的动作电位；③霍普菲尔德神经网络模型：主要关注神经元的输入、输出。

视皮层神经元感受野方向性实验的探究摘要简要介绍了相关的知识和探索过程中所进行的实验，并以Blakemore等人以猫为材料对视皮层输入异常视觉的实验为主线，探究了视皮层神经元对外界影响的适应性变化，并主要针对横（纵）条纹光刺激对视皮层的影响实验提出了结果讨论与对实验的完善。

关键词视皮层感受野方向性异常视觉经验适应性变化背景知识1.哺乳动物（以猫为例）视觉系统简单地说，由眼、皮层下中枢（外侧膝状体、上丘等）、视皮层及贯穿其间的神经通路组成，外界刺激先在视网膜上成像并由节细胞产生冲动，继而由左右视神经在视交叉相遇并投射至相应外膝体（其中鼻侧神经投至对测，而颞侧神经投至同侧），再经外膝体到达大脑皮层的初级视皮层（17区，纹状皮层）。

此后还有更高级皮层参与的与视觉有关的神经活动。

各种神经细胞有其感受野，只对特异的刺激有反应，且反应强度不同。

本文主要对视皮层神经细胞的感受野及其可塑性进行探讨。

2.节细胞、外膝体、视皮层细胞的感受野（1）节细胞感受野（Kuffler, 1953）猫的视网膜节细胞有两种感受野：开光（on）中心区和关光(off)中心区，都由圆形的中央区和环形外周区组成。

因此，视网膜神经节细胞能检测反差, 例如图象边缘。

（2）外膝体细胞感受野朝向（Hubel. D. H, Wiesel, T. N, 1962）外膝体细胞和节细胞一样具有开光（on）中心区和关光(off)中心区。

不同的是，外膝体细胞感受野对视网膜不同区域明暗差别更灵敏。

（3）皮层细胞感受野(Hubel, D. H, Wiesel. T. N, 1970)皮层分为简单、复杂和超复杂细胞（hypercomplex cells），对光信号刺激均具有方向选择性。

简单细胞的感受野也分成开光（on）中心区和关光（off）中心区，但两区分界线不是圆而是直线，其最佳刺激是有一定朝向和位置的线条。

复杂细胞也要求有一定朝向的线条刺激，但其感受野无开光区、关光区之分，且不要求刺激有精确位置。

视觉感受野的名词解释视觉感受野（Receptive Field）是神经科学中一个重要概念，用来描述感知系统对于外部视觉刺激的响应范围。

人类的眼睛是视觉系统的外在接口，负责接收并传递光信号到大脑进行加工和解读。

任何一个视觉刺激，比如一个点、一条线或者一个物体，都会在视网膜上产生一个相应的影像。

但是，人眼与大脑之间并没有一对一的映射关系，而是通过嵌套的神经网络来传递和处理信息。

在这个神经网络中，视觉感受野起到了重要的作用。

简单来说，受到神经元接收信息的所有可能位置构成了它们的视觉感受野。

这个概念最早由生理学家David Hubel和Torsten Wiesel在20世纪60年代提出。

我们可以将感受野想象成一个结构，由一系列受体组成，它们分布在不同的位置，对特定的刺激作出反应。

每个受体的输出被传递给更高级的神经元，进一步构成了更大范围的感受野。

神经科学家通过探测个体神经元的感受野，可以重新构建视觉系统的结构和功能。

视觉感受野的大小取决于所研究的层次和细胞类型。

在神经元的初级感受野中，感受野通常很小，只包括局部区域的光感知。

而在更高级的感受野中，感受野会更大，可以涵盖更广阔的视觉空间。

具体而言，视觉感受野通常由中心性和边缘性两部分组成。

中心是指神经元对刺激产生最强烈的反应的区域，而边缘是指神经元对刺激产生较弱反应的区域。

这种排布方式使得神经元能够更加敏感地捕捉到物体的边缘和轮廓。

视觉感受野的研究对于理解大脑的视觉加工有重要意义。

通过分析神经元的感受野特性，我们可以揭示视觉系统对刺激的编码方式，理解视觉信息在不同层次间的传递和加工过程。

除了在视觉研究中的应用，视觉感受野的概念也被广泛运用在计算机视觉中。

在计算机科学中，为了模拟人类视觉系统的工作原理，研究人员将图像分解为像素，并通过卷积神经网络模拟感受野的响应。

这种方法可以实现图像的识别和分析。

总之，视觉感受野是神经科学中一个关键概念，用于描述感知系统对于外部视觉刺激的响应范围。

大脑如何区分记忆和感知原创 Saplakoglu 神经现实记忆和感知听起来像是完全不同的两种体验。

神经科学家们也曾确信，大脑产生它们的方式也是不同的。

但二十世纪九十年代，神经影像学研究揭示，大脑中曾被认为只在感官知觉过程中活跃的部分，在回忆时也很活跃。

波士顿大学神经科学副教授、视觉神经科学实验室主任萨姆·林（Sam Ling）说：“这带来了一个问题：记忆表征是否真的与知觉表征不同？例如，我们对一片美丽的林间空地的记忆，会不会只是对之前使我们‘看到’它的神经活动的再现？”这引出了一个问题：记忆表征是否真的与知觉表征有任何不同？“争论的焦点已经从‘是否有任何感觉皮层参与记忆’转为‘等一下，它们难道有什么区别吗？’”克里斯托弗·贝克（Christopher Baker）说。

他是美国国家精神卫生研究所（National Institute of Mental Health）的一名研究员，负责学习和可塑性部门。

“争论的钟摆已经从一边摆到另一边，但又过犹不及。

”模糊之处当我们观察世界时，关于它的视觉信息流经视网膜的光感受器并进入大脑的视皮层。

在那里，这些信息被不同的神经元群依次处理。

每群神经元都为图像增添了一层新的复杂度：从简单的光点，变成线条和边缘，然后是轮廓，再是形状，最终便是体现我们所看到的完整景象。

在这项新的研究中，研究人员着重关注视觉处理的一个特性：神经表征如何反映事物在空间的位置。

这一特性在视觉通路早期的神经元集群中非常重要。

构成图像的像素和轮廓需要处在正确的位置，否则，大脑会使我们所见的物体产生混乱的、无法识别的扭曲。

感知和记忆使用大脑的一些相同区域。

记忆和感知的神经表征有微小但显著的差异，这或许使我们能够区分自身体验的是两者中的哪一个。

—Kristina Armitage/Quanta Magazine研究人员训练参与者记住四个不同图案在一个类似于镖靶的背景上的位置。

每个图案都被放置在镖靶上一个非常具体的位置，并与镖靶中心的一种颜色相关。

0引言轮廓检测是计算机视觉和图像分析领域中的基础工作，准确检测自然图像中目标的轮廓信息，对后续图像分割[1]等高级视觉任务有着重大意义.对复杂的自然图像而言，目标轮廓通常被大量干扰信息所环绕，因此，准确区分目标轮廓和背景纹理信息成为提高轮廓检测效果的关键问题.随着神经科学的发展，基于生物视觉信息处理机制的轮廓检测模型逐渐受到越来越多研究者的关注.2003年，Grigorescu 等[2]采用具有方向选择性的Gabor 滤波器来模拟初级视皮层（V1区）神经元经典感受野（CRF ）的兴奋作用，并利用高斯差（DOG ）模拟非经典感受野（NCRF ）的抑制作用.基于该模型，学者们在NCRF 抑制计算上做了大量工作.Cao 等[3]利用归一化的DOG 和sigmoid 函数提取局部中心环绕对比度信息来计算抑制项，能够更快、更准确地抑制纹理.杜晓凤等[4]提出一种基于复合感受野的轮廓检测仿生模型，通过距离和角度特征来计算易化和抑制的权重，有效地减少抑制对轮廓的破坏.2014年，Yang 等[5]根据多尺度信息引导策略整合特征信息（包括方向、亮度和亮度对比度）的抑制权重，再将组合的权重用于调节神经元的周边抑制，使得模型在抑制纹理的同时更好地保留轮廓信息.感受野尺度在图像局部信息表达上有着重要作用，因此，部分学者从感受野尺度信息着手改进轮廓检测模型.潘亦坚等[6]利用改进的sigmoid 函数计算局部最优尺度，与DOG 函数相结合获得动态的NCRF 抑制权重.Lin 等[7]通过模拟神经元动态特性优化了经典感受野的滤波过程，并利用Log 函数调制高斯函数模拟非经典感受野的抑制过程.Wei 等[8]通过Gabor 滤波器预处理得到多尺度初级轮廓图，再经过不同空间位置上不同尺度的抑制和去抑制得到轮廓响应，移除了大量无意义的纹理信息，取得了良好的检测结果.Fang 等[9]从视觉信息传递通路着手，提出一种基于视觉通路的双侧不对称感受野机制的轮廓检测模型（BAR ），引入不对称感受野结构，增强局部区域的对比度差异，并提出基于双侧不对称感受野多尺度抑制的权重信息融合策略，更好地检测显著轮廓.灰度图像包含的信息十分有限，Yang 等[10]基于颜色拮抗机制提出双拮抗模型（CO ），检测亮度边缘和颜色边缘，随后引入纹理稀疏约束（SCO ）[11]，提升模型性能.Li 等[12]提出了一种受多视觉通道和多层次视觉信息的生物特性启发的前馈轮廓检测模型（MCH ），将图像分为颜色信息和亮度信息，基于X 、Y 细胞感受野视觉神经机制的轮廓检测模型王垚，潘盛辉，林川*（广西科技大学电气与信息工程学院，广西柳州545006）摘要：仿生型轮廓检测的研究已逐渐成为计算机视觉的研究热点.生物视觉机制研究中，空间总和特性将视觉细胞分为线性的X 型细胞和非线性的Y 型细胞.受该机制启发，提出一种仿生型轮廓检测模型，该模型通过模拟计算X 、Y 型细胞不同的感受野响应，并根据亮度对比度信息有效地融合X 、Y 通道的轮廓特征.实验结果表明：本文的模型能有效地保留弱轮廓并抑制纹理背景，将为基于视觉机制的图像分析提供一种新的思路.关键词：轮廓检测；X 细胞；Y 细胞中图分类号：TP391.41DOI ：10.16375/45-1395/t.2021.01.005收稿日期：2020-08-15基金项目：国家自然科学基金项目（61866002）；广西自然科学基金项目（2018GXNSFAA138122，2015GXNSFAA139293）资助.*通信作者：林川，博士，教授，研究方向：计算机视觉，E-mail ：******************.cn.第32卷第1期2021年3月广西科技大学学报JOURNAL OF GUANGXI UNIVERSITY OF SCIENCE AND TECHNOLOGYVol.32No.1Mar.2021第32卷广西科技大学学报然后模拟视网膜-LGN-视皮层这一视觉通路分别对两种信息进行处理，最后根据最优方向计算颜色和亮度通道响应的融合权重，获得更好的检测性能.目前，大多数仿生轮廓检测研究都是基于X 细胞感受野的生理特性来进行的.而生理机制表明[13]：根据空间总和特性的不同，初级视皮层神经元分为X 型细胞（X 细胞）和Y 型细胞（Y 细胞）.X 细胞感受野空间总和性质是线性的，其感受野的兴奋作用和抑制作用可以线性叠加，并且对光栅的反应存在零位置[14]，可以由Rodieck 模型表达，如图1（a ）所示.而Y 细胞感受野的空间总和性质是非线性的，由于对光栅的出现和消失有着强烈的短暂反应而不存在零位置[15]，其感受野除了存在中心-周边拮抗式的Rodieck 模型，还存在许多非线性亚单位，如图1（b ）所示.其中，非线性亚单位被用于解释Y 细胞空间频率上的二次谐频成分.在感受野上每个亚单位仅覆盖很小的一片区域，但其在空间上的分布从中心的经典感受野区域一直蔓延至周边区，或者更大一些[15].造成X 细胞和Y 细胞感受野空间总和特性不同的主要原因在于：除了经典同心圆结构的中心兴奋区和外周抑制区外，Y 细胞感受野还存在分布范围大于周边区的非线性亚单位.综上所述，本文提出一种基于X 、Y 细胞感受野视觉神经机制的轮廓检测模型，以期进一步解决轮廓信息与背景信息的区分问题.其中，本文提出模型的处理过程分为模拟线性X 细胞特性的X 通道响应以及模拟非线性Y 细胞特性的Y 通道响应.X 通道先计算CRF 响应，然后利用NCRF 响应进行抑制得到X 通道响应；Y 通道则是在经典感受野响应经过亚单位调制后，再进行非经典感受野抑制，得到Y 通道响应.最后，本文结合对比度增益机制，提出一种通道信息融合策略，模拟视野内图像对比度对X 、Y 细胞输出的调控，在保护轮廓的同时抑制纹理.1检测模型本文提出的轮廓检测模型如图2所示，输入图像分别经过X 通道和Y 通道的响应处理，最后模拟视野内图像对比度对X 、Y 细胞输出的调控，融合X 、Y 通道响应.其中，X 、Y 通道均为先模拟视皮层V1区神经元CRF 提取图像的局部边缘响应（CRF 响应），再利用DOG 函数模拟NCRF 计算图像局部区域的纹理抑制强度.不同之处在于，Y 通道CRF 响应经过亚单位抑制去除细小繁多的纹理信息后，再经过NCRF 的局部区域环形抑制去除目标物体上多余的边缘信息.1.1X 通道响应1.1.1经典感受野响应感受野对不同朝向和位置的刺激都十分敏感[2]，对于特定的条形刺激，初级视皮层的单个神经元的响应会随着刺激朝向的变化而产生变化，当刺激的朝向和感受野的最优朝向一致时，响应最大.因此，本文采用有方向选择性的二维Gabor 滤波器来模拟X 细胞的CRF ：g ()x,y ;σ,φ=e-x 2+γ2y 22σ2cos (2πx λ+φ)（1）{x =x cos θ+y sin θy =-x sin θ+y cos θ（2）其中：标准差σ决定CRF 的大小；空间长宽比γ决定感受野的椭圆率，γ=0.5；波长λ与标准差σ存在一定的关系：σλ=0.56；φ为偏移角；旋转角度θϵ[0,π).两个偏移相位不同的滤波器g ()x,y ;σ,φ与图像卷积得到两个相位角相互垂直的响应：（a ）X 细胞Rodieck 模型（b ）Y 细胞非线性感受野模型图1感受野中心-周边模型Fig.1Center-surrounding model ofreceptive field32第1期{r e ()x ,y ;σ=f (x ,y )*g (x,y ;σ,0)r o ()x ,y ;σ=f (x ,y )*g (x,y ;σ,-π2)（3）求相位垂直的两个响应的平方根，得到多方位的局部边缘响应E (x ,y ;σ)：E ()x ,y ;σ=r 2e ()x ,y ;σ+r 2o ()x ,y ;σ（4）令σ=σX ，得到X 细胞经典感受野响应E X (x ,y ;σX )：E X ()x ,y ;θi ,σX =max {}E (x,y ;θi ,σ)|i =1,2,⋯,N θ;σ=σX （5）θi =()i -1πN θ,i =1,2,⋯,N θ（6）其中：N θ表示选取的方位数，N θ=12.得到X 通道的最优方向角θX ()x,y ：θX ()x,y =θkX（7）k X =arg max {}E X (x,y ;σX )|i =1,2,⋯,N θ（8）1.1.2非经典感受野响应神经生理学研究表明[14]，在经典感受野的外周存在对其有抑制作用的区域称为非经典感受野，同时刺激CRF 区域和NCRF 区域，NCRF 会对CRF 的响应进行抑制.本文利用DOG 函数来计算NCRF 的抑制权重w X ()x,y ;σX ：DOG ()x ,y ;σX =12π(k 1σ2X )exp ()-x 2+y 22()k 1σ2X -12π(k 2σ2X )exp ()-x 2+y 22()k 2σ2X （9）w ()x ,y ;σX =1H ()DOG ()x ,y ;σX 1H (DOG (x ,y ;σX ))（10）H ()Z ={0,Z <0Z ,Z ≥0（11）其中： ∙1表示L 1范数；k 1/k 2表示NCRF 和CRF范围的比率.依据电生理实验研究[16]得到CRF 的直径是NCRF 的1/(2~5)，本文取k 1=4，k 2=1.通过模拟NCRF 的生理特性，对各个像素点的最大响应能量进行纹理抑制，得到视皮层V1区X 细胞的轮廓响应r X ()x ,y ;σX ：Inh X ()x ,y ;σX =E X ()x ,y ;σX *w X ()x ,y ;σX （12）r X ()x ,y ;σX =H (E X (x ,y ;σX )-υX ∙Inh X (x ,y ;σX ))（13）其中：Inh X ()x ,y ;σX 表示X 细胞的非经典感受野抑制；υX 表示X 细胞感受野上经典感受野区域同非经典感受野区域间的相互作用强度.图2轮廓检测框架图Fig.2Frame diagram of contour detection王垚等：基于X 、Y 细胞感受野视觉神经机制的轮廓检测模型33第32卷广西科技大学学报1.2Y 通道响应1.2.1经典感受野响应造成X 细胞和Y 细胞感受野空间总和特性不同的主要原因在于：除了经典同心圆结构的中心区和外周抑制区外，Y 细胞感受野还存在具有整流特性的非线性亚单位.在电生理实验中，Y 细胞反应的二次谐频成分就是非线性亚单位的贡献，基频反应则与Y 细胞感受野的中心-周边机制有关[15].综上，非线性亚单位的贡献可从Y 细胞反应中分离出来，即非线性亚单位的存在不影响感受野中心-周边机制的模拟方式.Gaudian 等[17]提出造成X 、Y 细胞特性差异的主要因素是感受野大小的不同.用σY 替换式（1）—式（5）中的σX 得到Y 细胞经典感受野响应E Y ()x ,y ;σY ，再将E Y ()x ,y ;σY 代入式（7）—式（8）得到Y 细胞的最优方向角θY ()x ,y .1.2.2非线性亚单位响应为了符合Y 细胞的响应特性（如图1（b ）所示），在拟合X 细胞中心-周边机制的高斯差感受野模型上加入了非线性亚单位，每一个亚单位的直径与感受野相比都十分微小，其中亚单位的响应强度呈现一种中间朝周边递减的趋势.受此启发，本文采用高斯函数来模拟亚单位生理特性，考虑单个亚单位的响应大小与其到中心点距离的关系，结合图像局部特征信息，计算获得Y 细胞亚单位响应.首先，根据亚单位模板（大小为m ×n ）上的高斯函数的大小与其到中心点距离的关系，建立一个大小为m ×n 的模板Ls ()x ,y 来计算模板上每一个高斯函数的标准差σs ：Ls ()x ,y =exp ()-(x -x 0)2+(y -y 0)2102（14）其中：(x 0,y 0)表示模板的中心点.Ls ()x,y 上的值即表示为在Subunit 1(x ,y ;σs )模板上以对应点为中心的高斯函数的标准差σs .在亚单位模板Subunit 1(x ,y ;σs )上一个高斯函数表示一个亚单位，以模板（大小为m ×n ）上的每一个像素点为中心创建m ×n 个高斯函数，来模拟整个亚单位模型.Subunit 1()x ,y ;σs =∑(x ,y )ϵD G (x -x j ,y -y j ;σs )（15）Gaussian ()x ,y ;σ=12πσ2exp ()-x 2+y 22σ2（16）G ()x,y ;σs =1H ()Gaussian ()x,y ;σs 1·H (Gaussian (x,y ;σs ))（17）其中：D xy 表示感受野上亚单位的分布范围；(x j ,y j )表示分布范围D xy 中的第j 个元素；σs 表示每一点所对应的高斯函数的标准差.感受野周边抑制区存在轴向不对称，中心区一侧的感受野抑制区大于另一侧，即感受野一侧区域的抑制作用大于另一侧.本文利用sigmoid 函数控制权重来模拟这一现象.由于感受野上的两侧无法确定具体的方位，本文构建旋转的二维sig ‐moid 函数对其进行模拟.sigmoid ()x,y ;θ=11+exp (x +y )（18）其中：x =x cos θ+y sin θ,y =-x sin θ+y cos θ，旋转角度θ的计算同式（3）.亚单位模板Subunit 1()x,y ;σs 点乘不同旋转角度的二维sigmoid函数，得到多方位的亚单位模板.由于高斯函数经过了归一化（式（19））过程，随着标准差的增大，分布范围增加，峰值减小，造成亚单位模板的整体结构不符合中间高周边低的结构.因此，本文建立一个和亚单位模板一样大(m ×n )的高斯函数来对亚单位模板进行调制：Subunit 2(x,y ;θ)=Subunit 1(x,y ;σs )·Guassion (x,y ;σl )∙sigmoid (x,y ;θ)（19）其中：标准差σl =3.亚单位模板构建完成后进行亚单位响应的计算，计算过程如图3所示：首先，利用灰度图像调制CRF 响应，弱化轮廓、增强纹理；其次，利用调制后的图像与亚单位模板卷积得到多个方位的亚单位响应；然后，对每个像素进行max 运算得到res s max (x,y )，进行min 运算得到res s min (x,y )；最后，用两个尺度的CRF 响应对最大、最小响应进行信息处理，得到纹理信息显著的亚单位响应.本文充分考虑Y 细胞亚单位的生理特征以及生理特性，得到多方位的Y 细胞非线性亚单位响应res s (x,y )：res s ()x ,y ;θ=∑()x j,y jϵDxy[E fY (x ,y ,x j ,y j ;σY )·Subunit 2(x -x j ,y -y j ;θ)]（20）E f Y ()x ,y ;σY =f (x ,y )∙E Y ()x ,y ;σY （21）34第1期通常，在大尺度下的经典感受野包括显著轮廓，但遗漏了详细的边缘；小尺度下的经典感受野响应则能够更好地提取轮廓细节，同时也涵盖许多纹理边缘信息，造成提取的纹理过多.因此，为了取得更好的纹理抑制效果，本文依据式（1）—式（5）计算了两个尺度的经典感受野响应E (x ,y ;σlar )和E (x ,y ;σsma )来对最小响应res s min (x ,y )和最大响应res s max (x ,y )进行信息处理，得到Y 细胞非线性亚单位的响应，其中σlar =2σsma .r s ()x ,y ={res s max ()x ,y ,E ()x ,y ;σlar -E ()x ,y ;σsma ≥0res s min ()x ,y ,E ()x ,y ;σlar -E ()x ,y ;σsma <0（22）{res s max ()x ,y =max {}res s (x ,y )|i =1,⋯,N θres s m in()x ,y =min {}res s(x ,y )|i =1,⋯,N θ（23）其中：E ()x ,y ;σlar -E ()x ,y ;σsma ≥0的部分大概率是杂乱的纹理信息，而E (x ,y ;σlar )-E (x ,y ;σsma )<0的部分则更有可能是需要的目标轮廓.本文采取这样的策略，在后续的抑制中能够加大对无意义边缘的抑制，减少对目标轮廓的影响.Y 细胞非经典感受野的计算以经典感受野和亚单位响应的差作为输入，再根据式（10）—式（12）得到Y 细胞轮廓响应r Y ()x,y ;σY .1.3信息融合研究表明[18]，视觉细胞在低空间频率时存在对比增益机制（contrast gain control ），且图像对比度更易影响Y 细胞的反应.受此启发，本文考虑对比度增益机制，提出一种通道信息融合策略，模拟视野内图像对比度对X 、Y 细胞输出的调控.其中，对比度增益由图像的局部亮度对比度（luminance contrast ）决定.图像局部亮度对比度C ()x ,y 计算方式如下：C ()x ,y =（24）其中：μ=(x ,y )∈S ω(x k ,y k )；ω(x k ,y k )为用于计算图像局部亮度特征的正弦加权窗口；L (x ,y )表示图像局部亮度特征；f g ()x ,y 为原始灰度图像f ()x,y 经过高斯低通滤波器滤波后的低频图像信息.ω(x k ,y k )=cos +1)（25）L (x ,y )=1μ∑(x ,y )∈Sω(x k ,y k )f g ()x ,y （26）其中：b 表示局部图像窗口S xy 的半径；(x k ,y k )表示以()x ,y 为中心的图像窗口中的第k 个像素；本文设定b Y =2b X /3.对比增益控制的基本思想是：使对比度传递特性最优的适应平均对比度，弥补采样的不均匀.本文利用对比增益控制的思想计算X 、Y 通道融合响应，利用亮度信息最优的来保留X 、Y 通道中的目标轮廓信息.R ()x ,y =β∙r Y ()x ,y ;σY +(1-β)∙r X ()x ,y ;σX （27）β=C (x,y ;b Y )(C (x,y ;b Y )+C (x,y ;b X ))（28）其中：R ()x ,y 表示最终在视皮层形成的轮廓响应；β表示通道信息的传输比例，用于调节所得到的两种轮廓信息间的强度；C ()x ,y ;b Y 表示Y 细胞的局部亮度对比度；C ()x ,y ;b X 则表示X 细胞的局部亮度对比度.1.4稀疏特性式（27）计算得到的轮廓响应中包含许多冗余信息，本文采用神经元响应的稀疏特性来对轮廓响应进行调制，以期更好地处理冗余信息.本文采用的稀疏度量指标[19]为：spar ()x ,y =1n -1æèççççöø÷÷÷÷n - h (x ,y )1 h(x ,y )2（29）图3亚单位响应计算流程Fig.3Subunit response calculation process王垚等：基于X 、Y 细胞感受野视觉神经机制的轮廓检测模型35第32卷广西科技大学学报其中：h()x ,y 为初级轮廓图中以()x ,y 为中心的窗口内像素组成的向量；n 为窗口的直径； h(x ,y )1表示为h ()x ,y 的1范数，即 h (x ,y )1=∑||h i； h(x ,y )2表示为h ()x ,y 的2范数，即 h(x ,y )2=∑h 2i.最后，将轮廓响应与稀疏度量指标相乘，达到调制图像信息的目的，实现对冗余信息的抑制.SR ()x ,y =R ()x ,y ∙spar ()x ,y （30）2实验与分析为了评估本文模型的有效性，本文对BSDS 数据集[20]和RUG40数据集进行实验测试，检测结果在经过非极大值抑制和双阈值处理后，再与数据集给出的人类手工绘制轮廓进行比对.实验中只使用了BSDS 数据集中测试图像的灰度信息，其中BSDS300数据集中包含了100幅自然图像，BSDS500数据集中包含200幅.University of Groningen 提供的RUG40数据集（包含40幅灰度自然图像）采用P -值评判标准，性能指标P 定义如下：P =EE +E FP +E FN（31）其中：E 是正确检测到的轮廓像素个数；E FP 是被错检为轮廓的像素个数；E FN 是没有被检测到的轮廓像素个数.P -值高则表示模型的检测效果好.BSDS 数据集上采用的定量评价指标为F -值[21]：F =2PRR +P（32）其中：P 表示轮廓检测的准确率；R 表示轮廓检测的召回率；F 表示两者的调和平均.因此，F -值可以直接反应所检测出的轮廓图像与标准图像像素的一致性.2.1实验参数表1给出文中主要参数的设定值.2.2提出模型的性能分析为了验证本文提出的Y 细胞响应计算模型的有效性，从BSDS 数据集取出5幅图像对单独的X 通道响应、Y 通道响应和本文模型进行定性地对比，其中X 通道响应为式（13）的输出响应进行非极大值抑制处理后的结果.为了简便起见，本文模型表示为YS ；其中，X 通道响应表示为X-Re ‐sponse ；Y 通道响应表示为Y-Response.图4展示了X-Response 、Y-Response 和YS 3种模型部分测试图像的结果对比.如图4所示，X-Response 的测试图像上纹理边缘很少，有较好的纹理抑制效果，但不能很好地区分纹理和弱轮廓，使得弱轮廓无参数σY σX αυX υYb Y参数含义Y 细胞感受野尺度X 细胞感受野尺度Y 细胞亚单位抑制强度X 细胞NCRF 抑制强度Y 细胞NCRF 抑制强度Y 细胞窗口半径设定值1.58.01.00.80.55.0表1实验参数Tab.1Experimental parameters图4X-Response 、Y-Response 和YS 测试图像检测结果对比Fig.4Comparison of X-Response,Y-Response and YS test image detection results36第1期法被提取出来.Y-Response 的测试图像上轮廓比X-Response 更为完整，但在保留轮廓信息的同时也减弱了对纹理的抑制.与X-Response 和Y-Response 相比，YS 模型结合了X 、Y 两通道的优点，在纹理抑制的同时更好地保留了弱轮廓信息，增加主体轮廓完整性，取得更好的检测性能.由于构成数据集的图片十分复杂，提升算法的性能是一项极其困难的任务，而本文模型的ODS 指标比X 通道响应提高4%，比Y 通道响应提高8%，如图5所示.2.3模型对比分析为了评价本文模型的检测性能，选择了3个经典的仿生型轮廓检测模型在RUG40数据集进行结果对比：ISO 模型[2]、BF 模型[22]和MCI 模型[5].部分实验结果如图6所示.从图6可以看出，ISO 模型虽然考虑了NCRF 对CRF 的调制作用，但检测结果还存在严重的纹理干扰.BF 模型对NCRF 进行了分区，在一定程度上解决了对轮廓的抑制问题，但纹理对目标轮廓图53种模型的P-R 曲线对比图和检测数据对比Fig.5Comparison of P-R curves and test data of the three models的干扰仍然严重.MCI 模型结合了朝向、亮度、亮度对比度3种特征，对纹理信息有着很好的抑制效果，但对目标轮廓的检测仍存在不足.本文模型尽可能地保证目标轮廓的检测结果与人工检测结果相同，增强对纹理信息的抑制，以取得更好的检测性能.为了保证对比公平性，对比模型均采用最优参数下的实验结果，定量分析结果如表2所示.表2RUG40数据集实验数据结果Tab.2Experimental data results of RUG40data set模型ISO [2]BF [22]MCI [5]YSP -值0.390.410.500.53图6几种模型在RUG40数据集上的测试图像检测结果对比Fig.6Comparison of test image detection results of several models on the RUG40dataset王垚等：基于X 、Y 细胞感受野视觉神经机制的轮廓检测模型37第32卷广西科技大学学报其次，本文选取了几种轮廓检测模型与本文模型在BSDS 数据集的灰度图像上进行对比，测试本文算法的适用性.测试结果如图7所示.其中，MCH-M 为MCH 模型仅考虑灰度信息的部分.从图7可以看出，在考虑非线性亚单位和模拟视野内图像对比度对X 、Y 细胞输出的调控作用后，图像中的主体轮廓保留更为完整，噪声信息更少，本文YS 模型有更好的鲁棒性.图7几种模型在BSDS 数据集上的测试图像检测结果对比Fig.7Comparison of test image detection results of several models on the BSDS data set表3BSDS 数据集实验数据结果对比Tab.3Comparison of experimental data results of BSDS data setMethod CO [10]SCO [11]MCI [5]MCH-M [12]BAR [9]YSBSDS300ODS 0.600.620.620.63—0.65OIS 0.630.640.640.65—0.67AP 0.580.640.540.66—0.64BSDS500ODS 0.610.630.640.650.670.67OIS 0.640.670.660.680.690.69AP 0.600.650.560.670.660.66注：“—”表示未检测.表3列举了CO [10]、SCO [11]、MCI [5]、MCH-M [12]、BAR [9]以及YS 在BSDS 数据集上的F -值检测结果.CO 模型结合了拮抗特征以便更好地区分轮廓和纹理信息，BSDS300数据集上灰度图像的ODS 为0.599.SCO 模型结合了拮抗信息和稀疏特性，BS ‐DS300数据集上灰度图像的ODS 为0.617，取得1.8%的提升.本文模型在BSDS300数据集上ODS 为0.650，实验结果得到了显著提升.38第1期图8为P-R曲线对比图，从图8展示的几种算法的召回率（Recall）和准确率（Precision）间的变化可以看出，本文的模型在不同召回率下能取得较高的准确率.实验结果表明，本文模型能够在复杂的自然图像中有效区分轮廓和纹理边缘，减弱纹理信息对轮廓判定的干扰，保护弱轮廓信息，保证主体轮廓的完整性，以取得更优的轮廓检测性能.图8BSDS数据集上的P-R曲线对比图Fig.8Comparison of P-R curves on the BSDS data set3结论与讨论近年来，许多学者都重点关注视皮层V1区在视觉系统中的作用，并根据其思路建立轮廓提取的模型，取得了不菲的成绩.但其大多是在符合中心-周边线性机制的前提下进行的，没有考虑到由于空间总和特性的不同，还存在非线性的Y型细胞.针对这一现象，提出基于X、Y细胞感受野视觉神经机制的轮廓检测模型.该模型首先通过提取非线性亚单位响应对多余纹理进行抑制，然后通过X、Y细胞的轮廓信息融合，使得提取到的轮廓线条更为清晰，同时纹理信息的残留更少，有效地提升了检测模型的精确度，取得了较好的轮廓检测效果.本文所提出的模型只模拟了视皮层V1区X、Y细胞感受野的生理特性，仅仅对V1区神经元在轮廓检测中的应用进行研究，并没有考虑到更高层（视皮层V2区等更高级的区域）的信息处理机制在轮廓检测中的作用.实际上，次级视皮层（V2区）也是生物视觉系统获取轮廓的重要步骤，V1和V2区一旦受到损伤会影响大脑对物体的识别能力.因此，如何整合从视网膜到更高级别皮质中的视觉信息仍有待进一步的研究.参考文献[1]闫夏，谭光兴，林川.基于免疫聚类算法的MRI膝关节图像分割[J].广西科技大学学报，2015，26（1）：70-74.[2]GRIGORESCU C，PETKOV N，WESTENBERG MA.Contour detection based on nonclassical receptivefield inhibition[J].IEEE Transactions on Image Process‐ing，2003，12（7）：729-739.[3]CAO Y J，LIN C，PAN Y J，et al.Application of thecenter-surround mechanism to contour detection[J].Mul‐timedia Tools and Applications，2019，78（17）：25121-25141.[4]杜晓凤，李翠华，李晶.基于复合感受野的轮廓检测算法[J].电子与信息学报，2009，31（7）：1630-1634.[5]YANG K F，LI C Y，LI Y J.Multifeature-based sur‐round inhibition improves contour detection in naturalimages[J].IEEE Transactions on Image Processing，2014，23（12）：5020-5032.[6]潘亦坚，林川，郭越，等.基于非经典感受野动态特性的轮廓检测模型[J].广西科技大学学报，2018，29（2）：77-83.[7]LIN C，LI F Z，CAO Y J，et al.Bio-inspired contourdetection model based on multi-bandwidth fusion andlogarithmic texture inhibition[J].IET Image Processing，（a）BSDS300数据集（b）BSDS500数据集王垚等：基于X、Y细胞感受野视觉神经机制的轮廓检测模型39第32卷广西科技大学学报2019，13（12）：2304-2313.[8]WEI H，LANG B，ZUO Q S.Contour detection modelwith multi-scale integration based on non-classical recep‐tive field[J].Neurocomputing，2013，103：247-262. [9]FANG T，FAN Y L，WU W.Salient contour detectionon the basis of the mechanism of bilateral asymmetric re‐ceptive fields[J].Signal，Image and Video Processing，2020，14：1461-1469.[10]YANG K F，GAO S B，LI C Y，et al.Efficient colorboundary detection with color-opponent mechanisms[C]//IEEE Computer Society Conference on Computer Vision&Pattern Recognition（CVPR），IEEE，2013.[11]YANG K F，GAO S B，GUO C F，et al.Boundary de‐tection using double-opponency and spatial sparsenessconstraint[J].IEEE Transactions on Image Processing，2015，24（8）：2565-2578.[12]LI F Z，LIN C，ZHANG Q，et al.A biologically in‐spired contour detection model based on multiple visualchannels and multi-hierarchical visual information[J].IEEE Access，2020，8：15410-15422.[13]孙超.猫外膝体神经元非经典感受野与经典感受野各亚区的空间反应特性及其相互作用[D].上海：复旦大学，2004.[14]MAYFORTH G R.An introduction to neural informationprocessing[J].Computing Reviews，2016，57（8）：481-482.[15]寿天德.视觉信息处理的脑机制[M].合肥：中国科学技术大学出版社，2010.[16]YANG Y，TONG S，HUANG S Y，et al.Log-gaborenergy based multimodal medical image fusion in NSCTdomain[J].Computational and Mathematical Methods inMedicine，2014，2014：1-12.[17]GAUDIANO P.Simulations of X and Y retinal ganglioncell behavior with a nonlinear push-pull model of spatio‐temporal retinal processing[J].Vision Research，1994，34（13）：1767-1784.[18]李国荣.猫外膝体的对比度适应及皮层反馈对其的影响[D].合肥：中国科学技术大学，2010.[19]ALPERT S，GALUN M，BRANDT A，et al.Imagesegmentation by probabilistic bottom-up aggregation andcue integration[J].IEEE Transactions on Pattern Analy‐sis and Machine Intelligence，2012，34（2）：315–326.[20]MARTIN D，FOWLKES C，TAL D，et al.A databaseof human segmented natural images and its applicationto evaluating segmentation algorithms and measuringecological statistics[C]//Proceedings of8th IEEE Interna‐tional Conference on Computer Vision，2001.[21]MARTIN D R，FOWLKES C C，MALIK J.Learningto detect natural image boundaries using local bright‐ness，color，and texture cues[J].IEEE Transactions onPattern Analysis and Machine Intelligence，2004，26（5）：530-549.[22]ZENG C，LI Y J，YANG K F，et al.Contour detec‐tion based on a non-classical receptive field model withbutterfly-shaped inhibition subregions[J].Neurocomput‐ing，2011，74（10）：1527-1534.Contour detection model based on X and Y cell receptive field visualnerve mechanismWANG Yao,PAN Shenghui,LIN Chuan*（School of Electrical and Information Engineering,Guangxi University of Science and Technology,Liuzhou545006,China）Abstract:The research of bionic contour detection has gradually become a research hotspot of computer vision.In the research of biological vision mechanism,the spatial sum characteristic divides the visual cells into linear X-type cells and nonlinear Y-type cells.Inspired by this mechanism,a bionic contour detection model is proposed.The different receptive field responses of X and Y type cells are calculated by simulation,and the contour features of X and Y channels are effectively merged according to the luminance contrast information.Experimental results show that the model in this paper can effectively retain weak contours and suppress texture background,which may provide a new idea for image analysis and understanding based on visual mechanisms.Key words:contour detection;X cell;Y cell（责任编辑：黎娅）40。

一种基于图像切线方向感受野的轮廓检测方法傅瑞罡;王平;高颖慧【期刊名称】《重庆理工大学学报（自然科学版）》【年(卷),期】2014(028)004【摘要】轮廓检测是实现基于形状的目标识别任务的关键,然而由于图像背景中存在大量的无关干扰成分,因此要从自然场景中自动地检测出目标的轮廓是非常困难的.人类可以很容易地从环境中识别物体,这得益于人类的视觉感知机制.根据此机制,建立了基于图像切线方向感受野的轮廓检测方法.本方法用Gabor函数模拟感受野中心神经元的响应,非经典感受野的建模充分考虑了邻域刺激与相对位置、距离、朝向之间的关系.本方法与传统的基于人类视觉感知机制方法的最大不同在于图像点的切线方向选择对应朝向的中心神经元,物理意义明确.实验结果表明:该方法能更有效地抑制纹理边缘并减少轮廓自身的破坏,具有更好的检测准确性和稳定性.【总页数】6页(P83-88)【作者】傅瑞罡;王平;高颖慧【作者单位】国防科学技术大学电子科学与工程学院ATR重点实验室,长沙410073;国防科学技术大学电子科学与工程学院ATR重点实验室,长沙410073;国防科学技术大学电子科学与工程学院ATR重点实验室,长沙410073【正文语种】中文【中图分类】TP301【相关文献】1.基于图像轮廓的一种角点检测方法 [J], 刘兴杰;万韬阮;朱耀麟;武桐;2.基于视通路多感受野朝向性关联的轮廓检测方法 [J], 李康群;范影乐;甘海涛;武薇3.一种基于图像切线方向感受野的轮廓检测方法 [J], 傅瑞罡;王平;高颖慧;4.一种基于颜色拮抗感受野的轮廓检测模型 [J], 吴璟莉;刘袁静5.基于图像轮廓的一种角点检测方法 [J], 刘兴杰;万韬阮;朱耀麟;武桐因版权原因，仅展示原文概要，查看原文内容请购买。