Loading…
Neuronale Synchronität, zeitliche Bindung und Wahrnehmung
Maye, Alexander
Eine zentrale Aufgabe bei der Verarbeitung von Bildern ist nach wie vor die sinnvolle Aufteilung eines Bildes in semantisch zusammenhängende Gebiete, die Segmentierung. Die Mehrheit der Algorithmen bildet Segmente auf der Basis zusammenhängender Merkmale wie Helligkeit, Kantenorientierung oder Textur. Das hat zur Folge, daß die Ergebnisse stark von den Aufnahmebedingungen des Bildes (Beleuchtung, Rauschen, Transformationen) abhängen und die semantische Aufteilung nur ungenau approximieren. Demgegenüber können höhere Lebewesen Bilder auch unter ungünstigen Bedingungen mühelos analysieren. Bei Untersuchungen des visuellen Systems verschiedener Säugetiere wurden in Abhängigkeit vom Stimulus zeitliche Korrelationen der Aktivität von Neuronen beobachtet. Diese Korrelationen können einen Mechanismus zur dynamischen Integration der Information verschiedener Verarbeitungskanäle (z.B. Farbe, Kanten, Bewegung) darstellen. Da das Ergebnis der Integration eine Segmentierung der Bildinformation ist, könnte die Anwendung dieses Prinzips helfen, Probleme bestehender Segmentierungsverfahren zu lösen. Netzwerke gekoppelter Oszillatoren sind ein häufig verwendetes Modell zur Untersuchung zeitlicher Korrelationen zwischen Neuronen. Eine Reihe theoretischer Untersuchungen belegt, daß die Dynamik gekoppelter Oszillatoren ein breites Spektrum umfaßt, z.B. Synchronisation und Desynchronisation, feste und zeitlich veränderliche Phasenverschiebungen, Chaos. Anliegen dieser Arbeit ist es, einen weiteren Schritt zur Erkundung des Potentials von Oszillatornetzwerken zu leisten. Ausgehend von den Ergebnissen biologischer Untersuchungen zur visuellen Gruppierung und einem Überblick der bestehenden Modelle wird ein biologisch plausibles Netzwerk zur Segmentierung von Bildern entwickelt. Die wichtigste Eigenschaft des Netzes besteht darin, mehrere Segmentierungsmöglichkeiten eines Bildes gleichzeitig repräsentieren zu können. Aus dieser Eigenschaft resultiert ein Fortschritt in zwei Bereichen. Einerseits stellt das Verfahren einen Ansatz zur Lösung des Segmentierungsproblems bei Bildern dar, die unterschiedliche Segmentierungen zulassen. Andererseits ist das Modell in der Lage, logisch strukturierte, konzeptuelle Repräsentationen einer visuellen Szene zu erzeugen. Es kann damit als ein Modell für die Realisierung systematischer kognitiver Repräsentationen im Gehirn dienen.
