樊一娜，郎 波，黃 靜

(北京師范大學(xué)珠海分校信息技術(shù)學(xué)院，廣東 珠海 519087)

0 引言

神經(jīng)生物學(xué)實(shí)驗(yàn)結(jié)果表明，神經(jīng)節(jié)細(xì)胞的非經(jīng)典感受野刺激所引起的反應(yīng)有調(diào)制作用［1-4］，并對(duì)表征輪廓［5-6］、形狀［7］、曲率［8-9］有關(guān)鍵作用，此外對(duì)從背景中分離圖像也有顯著的提升作用［10］。實(shí)驗(yàn)結(jié)果表明［11］，在神經(jīng)節(jié)細(xì)胞經(jīng)典感受野中心區(qū)和外周拮抗區(qū)共同傳遞的圖像中，雖然明暗對(duì)比的邊緣得到了增強(qiáng)，但是這種拮抗作用卻造成了圖像中亮暗對(duì)比信息及緩慢的亮度變化信息的丟失，而這種信息對(duì)于圖像的認(rèn)知可能是關(guān)鍵的，可以想象一幅灰度圖像與一幅二值圖像相比，前者可能對(duì)認(rèn)知具有更好的指示作用。而非經(jīng)典感受野則可以在一定程度上對(duì)這種信息的丟失進(jìn)行補(bǔ)償，這種特性使得對(duì)圖像進(jìn)行精細(xì)的表征成為了可能。

目前在神經(jīng)生物學(xué)領(lǐng)域?qū)τ诟惺芤暗难芯砍晒际腔谝恍┖?jiǎn)單的刺激諸如光條、光柵或白噪聲等［12-13］，對(duì)于自然圖像條件下的神經(jīng)元集群該如何反應(yīng)研究比較少。文獻(xiàn)［14-15］提出了一種以非經(jīng)典感受野抑制的生理特性為基礎(chǔ)的計(jì)算模型，并將這種模型用在輪廓檢測(cè)上，取得了較好的效果，但該模型僅僅利用了非經(jīng)典感受野具有的朝向抑制性來(lái)檢測(cè)圖像中的輪廓信息，并沒(méi)有涉及圖像的表征問(wèn)題。文獻(xiàn)［16］提出了一種視皮層非經(jīng)典感受野模型，模擬了視皮層V1 區(qū)視神經(jīng)元非經(jīng)典感受野的計(jì)算模型。除此之外，比較著名的非經(jīng)典感受野模型還有Grigorescu 的各向同性抑制和各向異性抑制模型［17］，Papari等人構(gòu)造一個(gè)中心環(huán)境的高斯差分函數(shù)［18］，桑農(nóng)等人采用一種蝶形模擬感受野兩側(cè)的抑制區(qū)域［19］等，這些模型的共同特點(diǎn)是只模擬了視皮層神經(jīng)元的非經(jīng)典的感受野計(jì)算模型。本文工作最大不同是探討了神經(jīng)節(jié)細(xì)胞的非經(jīng)典感受野的生理機(jī)制在圖像表征方面的應(yīng)用。目的在于:1)從生物視覺(jué)通路的性質(zhì)分析，外界圖像通過(guò)視網(wǎng)膜接收后進(jìn)行傳遞，首先要經(jīng)過(guò)神經(jīng)節(jié)細(xì)胞，然后再通過(guò)外膝體后才能達(dá)到視皮層。神經(jīng)節(jié)細(xì)胞作為視覺(jué)信息處理的第一站，對(duì)于圖像后續(xù)信息的分析具有關(guān)鍵的作用，所以探討神經(jīng)節(jié)細(xì)胞對(duì)于圖像信息的處理機(jī)制對(duì)于后期視皮層認(rèn)知圖像信息很有意義。2)對(duì)外部圖像正確地進(jìn)行表征是圖像后期處理工作，諸如輪廓檢測(cè)、圖像分割、特征提取等的重要前提。如果表征的信息有錯(cuò)誤，后期工作算法的任何提高都無(wú)從談起，所以本文研究神經(jīng)節(jié)細(xì)胞對(duì)圖像的表征工作對(duì)圖像的后期處理工作就顯得尤為重要。近年來(lái)，關(guān)于非經(jīng)典感受野對(duì)圖像的表征研究也出現(xiàn)了一些成果，例如文獻(xiàn)［20］提出了一種基于非經(jīng)典感受野的圖像認(rèn)知計(jì)算模型，把非經(jīng)典感受野劃分成了多個(gè)亞區(qū)，非經(jīng)典感受野的最終反應(yīng)是各個(gè)亞區(qū)綜合反應(yīng)的結(jié)果，這種方法在圖像表征上取得了良好的效果，但是由于對(duì)亞區(qū)的運(yùn)算采取的是迭代的方式，所以該算法的執(zhí)行效率不是很高。此外還有文獻(xiàn)［21-22］對(duì)感受野表征計(jì)算亦有貢獻(xiàn)。本文在文獻(xiàn)［21-22］的基礎(chǔ)上進(jìn)行改進(jìn)，已有的模型中感受野對(duì)于圖像色彩信息的感知是通過(guò)方差來(lái)進(jìn)行計(jì)算的，這種計(jì)算方法雖然比較簡(jiǎn)單，但是誤差也比較大，本文改用平均感應(yīng)色值和色值方差2 個(gè)參數(shù)來(lái)確定，以提高表征的準(zhǔn)確率。

1 非經(jīng)典感受野動(dòng)態(tài)調(diào)整計(jì)算模型的設(shè)計(jì)

1.1 計(jì)算模型的建立

神經(jīng)生物學(xué)研究表明，神經(jīng)節(jié)細(xì)胞非經(jīng)典感受野的反應(yīng)是由水平細(xì)胞的同步化活動(dòng)和雙極細(xì)胞的作用引起的，而非經(jīng)典感受野的范圍可能是由雙極細(xì)胞通過(guò)無(wú)長(zhǎng)突細(xì)胞與神經(jīng)節(jié)細(xì)胞間接連接形成的［23］。在視皮層V2 區(qū)細(xì)胞的非經(jīng)典感受野區(qū)域有非局部性的長(zhǎng)程連接，可以接受來(lái)自更高層次的神經(jīng)元的反饋輸入，從而形成視覺(jué)處理中的反饋通路［24-25］，這為設(shè)計(jì)非經(jīng)典感受野計(jì)算模型提供了解剖學(xué)的證據(jù)。此外，感受野的范圍大小會(huì)根據(jù)不同亮度、刺激、背景圖像、運(yùn)動(dòng)速度等進(jìn)行動(dòng)態(tài)的調(diào)整變化［26］?；谝陨仙窠?jīng)生理機(jī)制，本文設(shè)計(jì)了一種基于非經(jīng)典感受野動(dòng)態(tài)調(diào)整機(jī)制的圖像表征計(jì)算模型，它能夠根據(jù)外部刺激不同性質(zhì)進(jìn)行相應(yīng)調(diào)節(jié)，在圖像信息沒(méi)有變化或變化緩慢的范圍內(nèi)，非經(jīng)典感受野的范圍會(huì)相應(yīng)地連續(xù)擴(kuò)張，在遇到邊緣信息或是圖像信息變化劇烈的區(qū)域，非經(jīng)典感受野的范圍會(huì)相應(yīng)地急劇縮小。根據(jù)感受野的這種動(dòng)態(tài)變化的特點(diǎn)，實(shí)現(xiàn)對(duì)圖像進(jìn)行“有意義”的分割和整合，這種“意義”表現(xiàn)在圖像的表征摒棄了傳統(tǒng)的單個(gè)像素點(diǎn)，是以非經(jīng)典感受野變化覆蓋的范圍作為表征的基本單位。與傳統(tǒng)的數(shù)字圖像處理方法相比，以像素點(diǎn)為基本單位的圖像處理方式并沒(méi)有考慮到圖像的語(yǔ)義功能，而基于非經(jīng)典感受野的圖像表征方式正是彌補(bǔ)了這種缺陷，使得原來(lái)一種機(jī)械的、具體化的表征方式變成了一種抽象的、符號(hào)化的表征方式，既減輕了機(jī)器的計(jì)算負(fù)擔(dān)，又最大可能地保留了圖像的語(yǔ)義信息，為圖像進(jìn)一步的高層處理奠定了基礎(chǔ)。

圖1 基于神經(jīng)節(jié)細(xì)胞感受野計(jì)算模型示意圖

1.2 神經(jīng)節(jié)細(xì)胞感受野計(jì)算單元的建模

神經(jīng)節(jié)細(xì)胞的感受野與傳統(tǒng)的DoG 模型不同，是一個(gè)具有三高斯拮抗的結(jié)構(gòu)［27］，如圖2 所示。

圖2 神經(jīng)節(jié)細(xì)胞感受野結(jié)構(gòu)

該模型的響應(yīng)值可以用式(1)表示:

其中，GC(x，y)表示神經(jīng)節(jié)細(xì)胞對(duì)外界刺激的響應(yīng)值，I(x，y)表示外部輸入圖像。S1、S2、S3分別表示三高斯模型的中心區(qū)、外周區(qū)和大外周區(qū)。WCRF(x，y)和WnCRF(x，y)分別是經(jīng)典感受野和非經(jīng)典感受野的權(quán)值函數(shù)，如式(2)所示:

其中，中心區(qū)、外周區(qū)和大外周區(qū)的響應(yīng)值由A1、A2和A3表示;x0和y0是感受野的中心坐標(biāo)值;σ1、σ2、σ3分別是3 個(gè)高斯區(qū)域權(quán)值函數(shù)的標(biāo)準(zhǔn)差。

1.3 感受野計(jì)算單元的輸出的計(jì)算方法

對(duì)于不同的圖像，感受野會(huì)根據(jù)顏色信息的變化作相應(yīng)的尺寸擴(kuò)張或縮小來(lái)捕捉最有效的圖像信息。在模型的每一層都會(huì)分別輸出相應(yīng)的數(shù)據(jù)，并且會(huì)根據(jù)這些數(shù)據(jù)的變化做出相應(yīng)的自我調(diào)整。當(dāng)感受野的輸出值高于閾值的時(shí)候，說(shuō)明此時(shí)感受野處理的圖像顏色信息比較復(fù)雜，圖像中存在的色彩變化較多，而這種區(qū)域往往可能是物體的邊緣信息，那么感受野會(huì)做出適當(dāng)?shù)氖湛s來(lái)進(jìn)行表示。相反，如果感受野的輸出值低于某個(gè)閾值，那么可能此時(shí)感受野接收到的圖像顏色信息變化較少，感受野所表征的區(qū)域可能是顏色一致或相近的區(qū)域，此時(shí)感受野會(huì)做出適當(dāng)?shù)臄U(kuò)張，用盡可能少的感受野個(gè)數(shù)來(lái)表征盡可能大的顏色區(qū)域。

設(shè)經(jīng)典感受野中心區(qū)的平均感應(yīng)色值為:

經(jīng)典感受野中心區(qū)色值方差為:

其中，σ 表示經(jīng)典感受野的中心區(qū)，p 表示經(jīng)典感受野中心區(qū)中的像素點(diǎn)，L(p(x，y))表示像素點(diǎn)p 在Lab 顏色空間中的L 值，r0表示經(jīng)典感受野中心區(qū)的半徑。

經(jīng)典感受野外周區(qū)的平均色值為:

經(jīng)典感受野外周區(qū)的色值方差為:

其中，n1表示經(jīng)典感受野外周區(qū)中亞區(qū)的個(gè)數(shù)，σi表示經(jīng)典感受野外周區(qū)中的第i 個(gè)亞區(qū)，p 表示經(jīng)典感受野外周區(qū)中的亞區(qū)中的像素點(diǎn)，L(p(x，y))表示像素點(diǎn)p 在Lab 顏色空間中的L 值。

2 實(shí)驗(yàn)結(jié)果

2.1 非經(jīng)典感受野對(duì)外部刺激的變化情況

為了反映在理想狀態(tài)下非經(jīng)典感受野的變化狀態(tài)，本文設(shè)計(jì)了一個(gè)特殊的、人為構(gòu)造的測(cè)試圖像，如圖3 所示(為了便于觀察，假定感受野陣列是均勻的)。從圖3 可以看到，當(dāng)感受野在網(wǎng)格的中心時(shí)，由于格子中的顏色是均勻的，那么感受野就盡可能地?cái)U(kuò)張直到格子的邊緣，或者擴(kuò)張到它所能達(dá)到的最大尺寸;如果在格子的邊界，感受野幾乎不擴(kuò)張，可以看到在邊緣附近感受野的直徑都比較小，這表明該區(qū)域的顏色變化劇烈或處于格子的連接處。

圖3 標(biāo)準(zhǔn)測(cè)試圖下感受野的變化狀態(tài)

圖4 非經(jīng)典感受野在自然圖像下的變化情況

圖4 是對(duì)隨機(jī)搜索的圖像進(jìn)行處理的結(jié)果，可以看到，在顏色相近的區(qū)域，感受野連續(xù)地?cái)U(kuò)張，在邊界或者是顏色對(duì)比度較大的區(qū)域，感受野急劇縮小。利用這種動(dòng)態(tài)調(diào)節(jié)特性，原來(lái)由成千上萬(wàn)的像素點(diǎn)組成的圖像就被感受野理解為若干個(gè)“塊”，圖4(a)中的每一個(gè)圓圈所覆蓋的范圍表征的就是一個(gè)“塊”。內(nèi)層的圓圈代表非經(jīng)典感受野不斷變化的情況，最外層的圓圈表示感受野最終停止擴(kuò)張的位置。如圖4(b)可以看出圖中顏色變化均勻的背景幾乎都是用大尺寸的感受野來(lái)表征的，而對(duì)于樹(shù)枝、小鳥(niǎo)這些與背景色差變化較大的地方用小尺寸感受野來(lái)表示，甚至在沒(méi)有看到原始圖像的情況下，僅僅從圖4(b)感受野的分布結(jié)果中可以粗略地看到圖像本身所包含的主體信息。這表明，原來(lái)表示圖像信息的數(shù)以百萬(wàn)計(jì)的像素點(diǎn)可以用更少數(shù)量的感受野個(gè)數(shù)來(lái)進(jìn)行替代。

2.2 非經(jīng)典感受野的變化與被表征的圖像“復(fù)雜度”之間的關(guān)系

對(duì)于不同的圖像，用于表征感受野的個(gè)數(shù)也是不同的。那么，感受野的這種變化是基于一種什么樣的機(jī)制呢?這種變化情況和圖像自身的信息有沒(méi)有關(guān)聯(lián)?本文引入了一個(gè)稱之為“圖像復(fù)雜度”的概念，它用來(lái)表示一幅圖像的復(fù)雜程度，如果圖像的復(fù)雜程度較高，則表征這幅圖像所需的感受野的個(gè)數(shù)也較多，反之，如果圖像的復(fù)雜程度較低，則表征這幅圖像所需的感受野的個(gè)數(shù)也比較少。

本文定義了“種子生長(zhǎng)法”來(lái)判定一幅圖像的復(fù)雜程度，通過(guò)統(tǒng)計(jì)圖像中“顏色連通塊”的數(shù)量、尺寸和分布來(lái)判定，所謂“顏色連通塊”，就是指該區(qū)域的像素值是相等或相近的。該方法的主要思想如下:

1)將圖像的RGB 轉(zhuǎn)為波長(zhǎng)并對(duì)圖像進(jìn)行去噪、平滑處理。

2)構(gòu)造一個(gè)種子池，里面是帶標(biāo)記的、各不相同的“種子”，它們用于標(biāo)記像素的歸屬。同樣構(gòu)造一個(gè)與圖像相同維數(shù)的二維數(shù)組，用于存放每個(gè)像素的歸屬。從種子池中取一個(gè)種子，隨機(jī)灑在圖像上尚未標(biāo)記的區(qū)域，然后在種子的周圍擴(kuò)展，擴(kuò)展后的區(qū)域的均值和方差趨于穩(wěn)定，一旦發(fā)生跳變，停止擴(kuò)展。把擴(kuò)展結(jié)束后得到的連續(xù)塊用種子符號(hào)標(biāo)記。

3)重復(fù)2)，直至所有的像素都被標(biāo)記完成。通過(guò)計(jì)算種子池中用掉的種子數(shù)得到所標(biāo)記的連續(xù)塊的數(shù)量。“顏色連通塊”的數(shù)目就是圖像的復(fù)雜度。

從伯克利分校BSD 圖庫(kù)中隨機(jī)選取了150 幅圖像進(jìn)行顏色連通塊的統(tǒng)計(jì)，每5 幅圖像分為一組，并與競(jìng)爭(zhēng)之后的感受野個(gè)數(shù)進(jìn)行了對(duì)比，統(tǒng)計(jì)結(jié)果如圖5 所示，可以發(fā)現(xiàn)它們具有相同的變化趨勢(shì)。當(dāng)顏色連通塊的數(shù)量比較多時(shí)，表示圖像中的色彩變化劇烈，則該圖像的復(fù)雜程度較高;當(dāng)顏色連通塊的數(shù)量比較少時(shí)，表示圖像中的色彩變化平緩，則該圖像的復(fù)雜程度較低。

圖5 感受野個(gè)數(shù)與圖像中“連續(xù)塊”數(shù)量之間的關(guān)系

2.3 非經(jīng)典感受野對(duì)圖像后期處理的提升作用

為了驗(yàn)證神經(jīng)節(jié)細(xì)胞感受野表征圖像在某些方面優(yōu)于傳統(tǒng)的像素表征方法，本文利用N-Cut 算法來(lái)進(jìn)行對(duì)比實(shí)驗(yàn)［28］。實(shí)驗(yàn)的測(cè)試圖像來(lái)自伯克利分校的BSD300 圖像分割庫(kù)，利用同樣的算法，在原始的JPG 圖像和利用神經(jīng)節(jié)細(xì)胞感受野表征后的圖像進(jìn)行測(cè)試，在相同測(cè)試硬件的條件下，結(jié)果如表1 所示，表中第二列中的黑色或白色箭頭表示的是分割出現(xiàn)錯(cuò)誤的區(qū)域，而從第三列的結(jié)果可以看出，原來(lái)出錯(cuò)的分割部分得到了修正，且花費(fèi)的時(shí)間代價(jià)更小。從最后的對(duì)比結(jié)果可以看出，在使用同樣算法的前提下，經(jīng)過(guò)神經(jīng)節(jié)細(xì)胞感受野表征后的圖像比起傳統(tǒng)的像素表征的JPG 圖像，具有更高的分割精確度，這對(duì)圖像的后期處理具有重要的意義。

表1 利用N-Cut 算法對(duì)像素圖像和感受野圖像的測(cè)試結(jié)果

3 結(jié)束語(yǔ)

本文提出了一種利用非經(jīng)典感受野動(dòng)態(tài)調(diào)整機(jī)制來(lái)進(jìn)行圖像表征的方法，該方法的顯著特點(diǎn)是將傳統(tǒng)的以單個(gè)像素為基本單位的處理方式轉(zhuǎn)化為以“塊”為基本單位，這種轉(zhuǎn)化的表征方式的最直接的優(yōu)點(diǎn)是可以最大程度減輕機(jī)器的運(yùn)算負(fù)擔(dān)，同時(shí)盡最大可能保留圖像的語(yǔ)義信息，這為圖像進(jìn)一步進(jìn)行高層的語(yǔ)義分析提供了幫助。從對(duì)比實(shí)驗(yàn)結(jié)果可以看出，這種新型的表征方式在計(jì)算效率上有了顯著的提高。但由于人類視覺(jué)系統(tǒng)是一個(gè)極其復(fù)雜的結(jié)構(gòu)，目前的模擬只是一種最簡(jiǎn)單化的過(guò)程，甚至對(duì)某些視覺(jué)上的處理機(jī)制進(jìn)行了省略，如何將復(fù)雜的神經(jīng)視覺(jué)處理機(jī)制與計(jì)算機(jī)視覺(jué)進(jìn)行完美的匹配，真正實(shí)現(xiàn)“從信號(hào)到符號(hào)”的過(guò)程，構(gòu)建一種新的基于視覺(jué)層次感知機(jī)制的圖像處理框架，這也是本文在后期進(jìn)一步研究的方向。

［1］Shou T D.Visual information processing in the brain mechanism［M］.Shanghai:Science ＆ Technology Education Press，1997:115-136.

［2］Allman J，Miezin F，McGuinness E.Stimulus specific responses from beyond the classical receptive field:Neurophysiological mechanisms for local-global comparisons in visual neurons［J］.Annual Review Neuroscience，1985，8:407-430.

［3］Heeger D J.Normalization of cell responses in cat striate cortex［J］.Vision Neuroscience，1992，9(2):181-197.

［4］Wilson H R，Humanski R.Spatial frequency adaptation and contrast gain control［J］.Vision Research，1993，33(8):1133-1149.

［5］Gilbert C D，Wiesel T N.The influence of contextual stimuli on the orientation selectivity of cells in primary visual cortex of the cat ［J］.Vision Research，1990，30(11):1689-1701.

［6］Fitzpatrick D.Seeing beyond the receptive field in primary visual cortex［J］.Current Opinion Neurobiology，2000，10(4):438-443.

［7］Sillito A M，Grieve K L，Jones H E，et al.Visual cortical mechanisms detecting local focal orientation discontinuities［J］.Nature，1995，378:492-496.

［8］Wilson H R，Richards W A.Curvature and separation discrimination at texture boundaries［J］.Journal of the Optical Society of America，1992，9(10):1653-1662.

［9］Krieger G，Zetzsch C.Nonlinear image operators for the evaluation of local intrinsic dimensionality［J］.IEEE Transactions on Image Processing，1996，5(6):1026-1042.

［10］Knierim J，van Essen D C.Neuronal responses to static texture patterns in area V1 of the alert macaque monkey［J］.Journal of Neurophysiology，1992，67(3):961-980.

［11］Li W，Li C Y.Extensive integration field beyond the classical receptive field of cat's striate cortical neurons——classification and tuning properties［J］.Vision Research，1994，34(18):2337-2355.

［12］Jones J P，Stepnoski A，Palmer L A.The two-dimensional spectral structure of simple receptive fields in cat striate cortex［J］.Journal of Neurophysiolgy，1987，58(6):1212-1232.

［13］David S V，Gallant J L.Predicting neuronal responses during natural vision［J］.Network，2005，16:239-260.

［14］龍力.基于非經(jīng)典感受野特性的輪廓檢測(cè)算法研究［D］.成都:電子科技大學(xué)，2009.

［15］楊開(kāi)富.基于多視覺(jué)特征的非經(jīng)典感受野模型及應(yīng)用研究［D］.成都:電子科技大學(xué)，2012.

［16］竇燕，王柳鋒，孔令富.一種視皮層非經(jīng)典感受野的模型［J］.燕山大學(xué)學(xué)報(bào)，2009，33(2):109-113.

［17］Grigorescu C，Petkov N，Westenberg M A.Contour detection based on nonclassical receptive field inhibition［J］.IEEE Transactions on Image Processing，2003，12(7):729-739.

［18］Papari G，Campisi P，Petkov N，et al.A biologically motivated multiresolution approach to contour detection［J］.EURASIP Journal on Advanced in Signal Processing，2007(1):119-119.

［19］桑農(nóng)，唐奇伶，張?zhí)煨?基于初級(jí)視皮層抑制的輪廓檢測(cè)方法［J］.紅外與毫米波學(xué)報(bào)，2007，26(1):47-51.

［20］王曉梅.基于非經(jīng)典感受野機(jī)制的圖像認(rèn)知計(jì)算模型［D］.上海:復(fù)旦大學(xué)，2012.

［21］郎波.基于非經(jīng)典感受野的圖像表征計(jì)算模型的研究與實(shí)現(xiàn)［D］.上海:復(fù)旦大學(xué)，2013.

［22］Wei Hui，Lang Bo，Zou Qingsong.An Image representation of infrastructure based on non-classical receptive field［J］.Soft Computing，2014，18(1):109-123.

［23］Yang Xiongli，Gao Fan，Wu S M.Modulation of horizontal cell function by GABA(A)and GABA(C)receptors in dark-and light-adapted tiger salamander retina［J］.Vision Neuroscience，1999，16(5):967-979.

［24］Qiu Fangtu，Li Cuihua.Mathematical simulation of disinhibitory properties of concentric receptive field［J］.Acta Biophysica Sinica，1995，11(2):214-220.

［25］Janelle J，Jennifer Mi，F(xiàn)rederick F，et al.Anatomical evidence for classical and extra-classical receptive field completion across the discontinuous horizontal meridian representation of primate area V2［J］.Cerebral Cortex，2009，19(4):963-981.

［26］Linster C，Hasselmo M E.Neuromodulation and the functional dynamics of piriform cortex［J］.Chemical Senses，2001，26(5):585-594.

［27］Ghosh K，Sarkar S，Bhaumik K.A possible explanation of the low-level brightness-contrast illusions in the light of an extended classical receptive field model of retinal ganglion cells［J］.Biological Cybernetics，2006，94(2):89-96.

［28］Shi J B，Malik J.Normalized cuts and image segmentation［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，2000，22(8):888-905.