Abstract
在影像處理的領域裡，我們提出一個主張：「在某些預定的條件限制下，我們可以設計出效率足夠高效果足夠好的計算機演算法則作線圖形的資料處理。然而，如果我們改用以人類視知覺及神經網路的觀點來設計相關演算法則時，這些限制將可以放寬甚至可以完全挪去。」在這篇論文裡，我們以計算機演算法，人類視知覺，及神經網路三方面作二維線圖形的影像處理之研究來探討這項主張。我們所探討研究的計算機演算法是細線化，它是一種將粗線轉換成細線的處理。為了圖形的描述或辨識而須作特徵抽取時，細線化是一種常用的重要技術。在本論文中，我們提出一套系統方式設計二次疊算和一次疊算的平行細線化法。這些演算法可以滿足效率高和效果好的基本要求。然而，有一些先天無可避免的問題出現在細線化法上（包括我們所設計的在內）。這些問題限制了以傳統計算機作樣型識別系統的效益。為了挪去這些限制，我們將注意力轉移到人腦的情報處理來尋找答 案。這些答案建立於對人類視知覺和神經網路的研究。首先，我們根據心理學的現象和生理學的證據，對線連續特性提出一合理的解釋模型。此模型讓我們了解人腦知覺中直覺處理的兩大基本運作：平行處理和關聯處理；它也證實了何以人能直覺地對一線圖作線分離的處理。此外，我們更進一步的利用視網膜神經層的結構發展出一個叫MAT-NET 的中心軸轉換神經網路。雖然MATNET所產生的線圖中心軸不具連結特性，但它所提供的結構資料可以應用在人類視知覺中直覺樣型識別的類化過程。此直覺樣型識別是由心理學上的知覺恆常性所發展出來的，它可以用刺激－反應模型來解釋。含在此種模型內的類化過程可以為一個已學習過的樣型產生所有可能被辨識出來但已變形的〞答案〞。為了表現直覺辨識能力，這些答案是儲存在〞長期記憶〞裡。在本論文末，我們提出一種新的神經網路Inet，它可以用來模擬直覺樣型識別的特性。根懅以上各種方法的研究和實驗，我們所提出的主張得以證明出來。而這些研究成果，對我們將要開發的擬人化樣型識別系統有極大的幫助。