基于Gabor滤波器组的视觉皮层细胞建模系统

资 源 简 介

本项目实现了基于Kulikowski、Marcelja以及Bishop于1982年提出的视觉皮层细胞数学建模理论。该模型的核心功能是构建一套调谐带通滤波器组结构，用于模拟人类视觉系统对图像信息的感知过程。在理论实现上，在该系统中的滤波器在频域内具有高斯传递函数特征。通过对该频域传递函数执行二维傅里叶逆变换，可以推导出在空间域中与Gabor滤波器特性高度吻合的数学描述。具体而言，该模型将Gabor滤波器定义为在x轴和y轴方向具有特定方差（sx, sy）的高斯函数，并由具有中心频率（U, V）的复正弦信号进行

详 情 说 明

视觉皮层细胞数学建模项目指南

项目介绍

本项目实现了基于 Kulikowski、Marcelja 以及 Bishop（1982年）提出的视觉皮层细胞数学建模理论。该模型的核心在于构建一套调谐带通滤波器组，用于模拟人类视觉系统初级视皮层（V1区）对图像信息的感知与处理过程。

在理论实现上，系统利用 Gabor 滤波器的双重特性：在空间域表现为受高斯包络限制的正弦振荡，在频域则具有高斯传递函数特征。通过调整空间尺度、中心频率和方向参数，该模型能够精确模拟生物视觉神经元的方向选择性和空间频率调谐特性。项目广泛适用于生物启发式的图像特征提取、纹理分析以及视觉感知规律的研究。

功能特性

• 生物模型模拟：基于 1982 年经典理论，精准实现视觉皮层简单细胞的数学表达。
• 双域建模展示：同时提供空间域（复数核函数）与频域（带通传递函数）的数学描述与可视化。
• 多维度特征分析：支持 4 种典型方向（0°、45°、90°、135°）与 3 种频率尺度的多细胞组合模拟。
• 自动化刺激生成：具备自动读取外部图像或生成合成纹理图像的功能，确保实验环境的兼容性。
• 特征融合与可视化：提供滤波器组频域覆盖覆盖图、各向异性响应图以及多尺度特征融合结果。

实现逻辑与功能详情

项目主要逻辑遵循从底层数学定义到高层生物特征提取的流程，具体步骤如下：

1. 环境配置与参数初始化

程序首先定义了高斯包络在 x 和 y 方向的方差参数（sx, sy），这两个参数决定了模拟感受野的空间扩展范围。同时设定了基础调制频率，为后续的频域偏移奠定基础。

1. 视觉刺激输入处理

系统优先尝试加载标准实验图像。若运行环境缺少特定图像文件，程序会自动利用网格采样与正弦函数生成含有随机噪声的合成纹理图像，以模拟待处理的视觉刺激信号。

1. 空间域与频域核函数建模

这是模型的核心部分。在空间域，利用高斯函数与复指数信号的乘积构建 Gabor 核，其中心对称性由复数的实部（偶对称）和虚部（奇对称）共同构成。在频域，基于傅里叶变换特性，直接构建以中心频率为中心的高斯传递函数，用以描述滤波器的频率调谐行为。

1. 多方向多尺度滤波器组构建

模型通过循环嵌套，改变空间频率的分量（Us, Vs），实现对不同方向（通过旋转矩阵变换）和不同尺度（频率缩放）的模拟。这代表了视皮层中具有不同偏好的神经元群体。

1. 细胞响应计算

利用卷积（通过图像滤波实现）模拟简单细胞对输入图像的反应。程序计算复数滤波结果的幅值，以获取视觉显著性特征。

1. 结果可视化展示

• 空间域展示：通过三维曲面图呈现核函数的实部和虚部，模拟神经元的空间敏感度分布。
• 频域分布图：展示滤波器在频域内的带通分布位置。
• 特征响应图：以拼图形式展示不同方向细胞对图像边缘的提取效果。
• 融合结果图：将各通道响应累加，展示视皮层对图像全频带特征的综合提取能力。
• 频域覆盖图：利用等值线绘制 0.5 响应强度的覆盖范围，直观展现滤波器组对频率空间的采样完整性。

核心算法与技术细节

• 高斯包络调制算法：利用空间坐标矩阵生成衰减中心，通过 sx 和 sy 精确控制滤波器的选择性宽度。
• 频率坐标映射：通过极坐标变换原理，将预设的方向角度和频率尺度转换为笛卡尔坐标系下的 U 和 V 频率分量，实现滤波器的方向旋转。
• 视觉特征提取技术：采用复制填充边界的卷积策略，最大程度保留图像边缘信息，获取模拟神经元的电位平滑响应。
• 复数域处理：通过复指数调制同时捕获边缘提取（奇对称）和线条提取（偶对称）特征。

使用方法

1. 环境准备：确保安装有支持图像处理工具箱的计算环境。
2. 参数自定义：根据研究需求，在脚本顶部的参数初始化区域修改 sx, sy（调整感受野大小）或 U0, V0（调整基础频率频率）。
3. 运行分析：直接运行主函数，系统将自动依次执行模型构建、图像处理和绘图。
4. 结果解读：观察生成的两个图形窗口。窗口一侧重于数学模型与图像特征的对应关系，窗口二侧重于分析滤波器组在频域的覆盖性能。

系统要求

• 软件支持：建议使用 R2016b 或更高版本的计算平台。
• 核心组件：需具备基础数学运算模块及图像处理相关函数库（如用于执行卷积滤波和图像显示的函数）。
• 硬件建议：标准内存配置即可满足 256x256 级别图像的实时建模与分析。