3、视觉皮层与情感语音合成技术解析

视觉皮层与情感语音合成技术解析

视觉皮层的非线性ICA机制

在视觉信息处理领域，人类视觉系统（HVS）对图像数据的处理方式一直是研究的焦点。早在五十多年前，就有人提出HVS应使用尽可能相互独立的组件来表示图像数据，这就是所谓的高效编码假说。线性独立成分分析（ICA）在HVS的线性处理中得到了应用，通过优化一组线性滤波器，可以预测线性感受野的形状。然而，线性ICA基函数虽然能减少互信息，但无法完全消除冗余，因此需要一个非线性步骤来实现组件的独立性。

V1视觉皮层模型

这里所考虑的图像表示基于标准的心理物理和生理模型，该模型描述了早期视觉处理直至V1皮层的过程。输入图像首先由一组类似小波的线性传感器进行分析，这些传感器根据对比度灵敏度函数（CSF）具有频率相关的线性增益。传感器的加权响应根据除法归一化增益控制进行非线性变换。具体流程如下：

graph LR
    A[x] -->|T| B[w]
    B -->|S| C[w']
    C -->|R| D[r]

其中，矩阵T的行包含V1神经元的感受野，这里由正交4尺度QMF小波变换建模；S是对角矩阵，包含用于建模CSF的线性增益；R是除法归一化响应，公式为：
[R(w’) i = r_i = \text{sign}(w’_i) \frac{|S_i \cdot w_i|^{\gamma}}{\beta_i^{\gamma} + \sum {k=1}^{n} H_{ik}|S_k \cdot w_k|^{\gamma}}]
其中，H是控制相邻线