先进的图像分析和模式识别技术已经成功地应用于各种工业领域如医学成像、遥感、生物识别技术,以及机器学习方法,计算机视觉和可视化。然而,当前的图像分析方法,计算机视觉,人工智能和不能实现人类视觉和认知能力的性能虽然进步发展的硬件包括光学、电子和电脑。作为斯科特(1)说,“生物视觉的进化是渐进的(增量)和自顶向下与基本模块和保留原始建筑结构。“计算机视觉的未来将生物启发2],与人类有许多共同的愿景作为一个统一的科学视野(1]。因此,计算摄影,认知,和情报最近成为互动的科学研究的来源。

这个特殊的问题关注生物启发或计算机视觉的自然方法。总共有17个手稿收到5了。两篇论文解决计算机视觉问题:同形异义词在两个不同的角度估计和计算的视觉特点。在场的其他三篇论文优化使用人工蜂群算法的模式识别方法,微分进化方法,和一个前馈神经网络。

计算机视觉和情报的成功可能会开始从现实世界的数据表示(信号传感、成像),通过分析和认知(学习、建模和分类),达到一定程度的性能(模型修正、autolearning和改进)。这个特殊的问题揭示了bioinspired方法的重要性。此外,编辑认为,更深层次的研究和开发bioinspired方法将大大受益计算智能社区。

宇郑
Erik Blasch
阿德尔s Elmaghraby