复杂自然场景3D边界与表面表示的层状皮质模型解析

# 复杂自然场景 3D 边界与表面表示的层状皮质模型解析 ## 1. 引言 理解人类和其他动物如何深度感知世界，是理解众多视觉行为的关键第一步。在计算领域，已经开发出许多用于处理自然图像的立体算法。这些算法主要可分为基于区域的方法和基于特征的方法。 ### 1.1 基于区域的方法 基于区域的方法，会选择以给定像素为中心的小窗口作为基本单元，在两幅图像间进行匹配。然而，这种方法面临的难题是如何选择合适的窗口大小。较小的窗口可避免不必要的平滑处理，但在均匀或低纹理区域，需要较大窗口以包含足够的强度变化，实现可靠匹配。 为获取平滑且详细的视差图，这类方法通常基于唯一性和连续性两个基本假设。但在大多数图像中，这两个假设难以严格满足。例如，在边缘处深度往往不连续，且许多场景和自然图像无法满足唯一性约束。像 Panum 极限情况和达芬奇立体视觉等心理物理显示，就清晰展现了这些特性。 总体而言，基于区域的方法对部分自然图像效果较好，但对于包含大均匀区域的图像，以及视差不连续的边缘区域，效果不佳。 ### 1.2 基于特征的方法 基于特征的方法以图像特征作为基本匹配单元，特征包括遮挡边缘、线性结构顶点、显著表面标记和强度异常等。尤其边缘点和边缘轮廓常被用作匹配特征。在基于边缘的方法中，常见约束是边缘一致性，即连续边缘上的所有匹配必须一致，同时也会使用唯一性假设。一般来说，基于特征的方法只能生成稀疏视差图。 ### 1.3 3D LAMINART 模型 尽管已有众多立体算法，但它们既无法解释视觉皮层如何处理复杂自然场景，也不能解释许多心理物理显示所引发的感知现象。3D LAMINART 模型的开发旨在解释视觉皮层的视觉处理机制。 该模型提出了视觉皮层区域如何通过分层电路定义，以及这些层状电路如何通过自下而上、水平和自上而下的连接相互作用，以生成 3D 边界和表面表示，其特性模拟了有意识的 3D 表面感知。 ## 2. 不同模型的特性对比 不同的立体视觉模型在处理自然场景时具有不同的特性，以下是几种常见模型的对比表格： | 模型 | 自然场景处理 | 3D 表面表示 | Panum 极限情况 | 达芬奇立体视觉 | 双视掩蔽 | 对比度变化 | 威尼斯百叶窗效应 | 极性反转达芬奇立体视觉 | 稀疏图像 | 双稳态感知 | | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | | 贝叶斯扩散 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | | 合作算法 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | | 信念传播 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | | 半全局算法 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | | 视差能量 | 是，但无精度报告 | 否 | 是（仅特定情况） | 否 | 否 | 否 | 否 | 否 | 否 | 否 | | 3D LAMINART | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 从表格中可以清晰看出，3D LAMINART 模型在多个方面表现出色，能够解释更多的心理生理现象。 ## 3. 3D LAMINART 模型的特性 ### 3.1 互补的边界和表面及互补一致性 3D LAMINART 模型基于这样的发现：处理感知边界和表面的视觉皮层流遵循计算互补定律。具体来说，边界在成对的相似定向和共线细胞群体之间