基于多層神經元群放電信息的圖像弱邊緣檢測方法
【專利摘要】本發明涉及一種基于多層神經元群放電信息的圖像弱邊緣檢測方法。本發明構建具有抑制突觸互連的多層神經元群，將數字圖像作為輸入層神經元群的輸入，以各神經元首次放電的時空信息來表征圖像像素；利用視覺感受野及各神經元放電時序，以時間方差來描述圖像的空間細節，并考慮側向抑制，繼而實現選擇注意機制以獲取圖像信息的視覺注意數據；結合選擇注意過程，采用Log-Gabor多方向濾波結果實現空間變分辨率機制，獲得重構后的圖像邊緣信息，并利用輸出層神經元群對邊緣信息進行增強。本發明考慮了神經元群的突觸互連特性；引入多方向濾波機制反映皮質對視覺信息的簡單過程；利用多層神經元群實現圖像弱邊緣的有效檢測。
【專利說明】基于多層神經元群放電信息的圖像弱邊緣檢測方法
【技術領域】
[0001]本發明屬于圖像處理領域，涉及一種基于多層神經元群放電信息的圖像弱邊緣檢測方法。
【背景技術】
[0002]圖像邊緣是指圖像的灰度值或顏色發生躍變的區域，該區域包含了圖像大量的關鍵信息，比如輪廓、紋理、光線的明暗等，這對于特征提取、目標識別甚至對象感知以及更多的后續處理至關重要，并且通過邊緣檢測可以剔除無關的信息，從而大大減少需要處理的數據量，提高處理速度，因此圖像邊緣的有效檢測具有重要意義。傳統的邊緣檢測手段，譬如基于數學微分方法的Sobel算子，通常對于弱邊緣表現不夠，有時又會產生過分割，同時對噪聲也比較敏感。

【發明內容】

[0003]本發明針對現有技術的不足，提供了一種基于多層神經元群放電信息的圖像弱邊緣檢測方法。
[0004]本發明基于多層神經元群放電信息的圖像弱邊緣檢測方法，包括以下步驟:
[0005]步驟(I)將原始數字圖像輸入到輸入層神經元群中，記錄各神經元的首次放電時間，并經抑制性突觸作用后獲得時間矩陣。
[0006]步驟(2)構造感受野窗口滑過該時間矩陣，先對該感受野窗口中的時間元素進行排序，根據排序結果進行加權，計算窗口內時間元素的改進方差，并將其賦值給感受野窗口的中心元素。依次對時間矩陣中的每個元素進行相同的處理，繼而得到方差矩陣。
[0007]步驟(3)將步驟(2)中構造的感受野窗口滑過上述方差矩陣，對感受野窗口中的方差元素進行側向抑制處理，同樣需要對方差矩陣中的每個元素依次進行相同的處理，繼而得到注意矩陣。
[0008]步驟(4)對得到的注意矩陣進行映射。
[0009]步驟(5)將原始數字圖像視為一矩陣，將其與映射后的注意矩陣相加，并再次對相加后的矩陣數據進行灰度映射。
[0010]步驟(6)對上述灰度映射后的矩陣數據進行多方向Log-Gabor濾波器處理，然后根據濾波結果，重構圖像信息。
[0011]步驟(7)將步驟(6)中的重構結果輸入到輸出層神經元群，記錄各神經元的首次放電時間，并經抑制性突觸作用后獲得新的時間矩陣。
[0012]步驟(8)構造感受野窗口滑過上述新的時間矩陣，對感受野窗口中的神經元進行側向抑制處理，依次對時間矩陣中的每個元素進行相同的處理，然后得到邊緣矩陣。
[0013]步驟(9)對上述的邊緣矩陣進行灰度映射，映射到O?255的范圍，最終就得到了包含圖像弱邊緣信息的結果矩陣。
[0014]本發明具有的有益效果:[0015]1、在弱邊緣檢測中引入具有抑制性突觸的多層互連神經元群，使得系統滿足視覺神經的生理基礎，能夠更有效地獲取圖像的弱邊緣信息；
[0016]2、在弱邊緣檢測中引入選擇注意機制，能夠凸顯受關注的區域，使得結果圖像中的邊緣特征更加明顯；
[0017]3、利用Log-Gabor濾波器來模擬初級視皮層的方向選擇特性，滿足皮層神經元響應對于方向邊緣的選擇性；
[0018]4、采用空間變分辨率機制:先利用輸入層互連的神經元群、響應時間的方差特征以及側向抑制作用低分辨地獲取感興趣區域；然后通過Log-Gabor濾波器及輸出層互連的神經元群對獲取的感興趣區域進行高分辨分析。
【專利附圖】

【附圖說明】
[0019]圖1為本發明方法流程圖。
【具體實施方式】
[0020]如圖1所示，I_old(i, j)表示原始的輸入圖像！T1Q, j)表示經過輸入層神經元群后獲得的時間矩陣；D(i，j)表示經過方差處理后的方差矩陣W1(Lj)表示矩陣D(i，j)經過神經元側向抑制作用后的注意矩陣；V2(i，j)表示矩陣％(1，j)經過映射后的注意矩陣;fk(i, j) (k = O, I,..., 7)為經過 Log-Gabor 濾波器以角度為 Θ j ( Θ j = 22.5°*i, i =
0,1,-..,7)濾波后的結果；T2(i, j)表示經過輸出層神經元群后獲得的時間矩陣；F(i, j)表示矩陣T2(i，j)在經過神經元側向抑制作用后得到的邊緣矩陣；I_neW(i，j)表示最終的圖像弱邊緣檢測結果。
[0021]本發明考慮到:(I)傳統的邊緣檢測方法對于弱細節表現不夠，有時又會產生過分割的問題；(2)傳統的邊緣檢測方法往往采取二值化來處理圖像，無法表現邊緣的強弱特征，將丟失部分細節信息；(3)傳統的邊緣檢測方法通常從數學算子的角度來處理，沒有考慮到視覺機制的作用，對于一些細節比較豐富的圖像檢測效果有限；(4)脈沖耦合神經網絡雖然引入了視覺機制的初步作用，但基本上是對視覺機制的黑箱模擬，并沒有涉及到內在的信息流處理機制；(5)基于點陣神經元的邊緣檢測方法雖然考慮了部分視覺機制，但是無突觸連接的神經元并不符合神經生理基礎，而具有突觸連接的神經元群動態響應在視覺信息的處理中起著重要作用。因此，本發明基于視覺生理，提出一種基于多層神經元群放電信息的圖像弱邊緣檢測方法，使得檢測結果能夠表現出更豐富的細節信息，更符合人們的主觀視覺感受。
[0022]本實施例的具體步驟是:
[0023]步驟(I)將原始數字圖像I_old(i，j)輸入到輸入層互連神經元群Neuron1 (i，j)，其中神經元與圖像像素一一對應，像素值作為對應各神經元的輸入，上述i和j的取值范圍分別為:i = 1，2，...，Μ，j = 1，2，...，Ν。
[0024]神經元模型如式(I)所示。
【權利要求】
1.基于多層神經元群放電信息的圖像弱邊緣檢測方法，其特征在于該方法包括如下步驟: 步驟(1)將原始數字圖像輸入到輸入層神經元群中，記錄各神經元的首次放電時間，并經抑制性突觸作用后獲得時間矩陣； 步驟(2)構造感受野窗口滑過該時間矩陣，先對該感受野窗口中的時間元素進行排序，根據排序結果進行加權，計算窗口內時間元素的改進方差，并將其賦值給感受野窗口的中心元素，依次對時間矩陣中的每個元素進行相同的處理，繼而得到方差矩陣； 步驟(3)將步驟(2)中構造的感受野窗口滑過上述方差矩陣，對感受野窗口中的方差元素進行側向抑制處理，同樣對方差矩陣中的每個元素依次進行相同的處理，繼而得到注意矩陣； 步驟(4)對得到的注意矩陣進行映射； 步驟(5)將原始數字圖像視為一矩陣，將其與映射后的注意矩陣相加，并再次對相加后的矩陣數據進行灰度映射； 步驟(6)對上述灰度映射后的矩陣數據進行多方向Log-Gabor濾波器處理，然后根據濾波結果，重構圖像信息； 步驟(7)將步驟(6)中的重構結果輸入到輸出層神經元群，記錄各神經元的首次放電時間，并經抑制性突觸作用后獲得新的時間矩陣； 步驟(8)構造感受野窗口滑過上述新的時間矩陣，對感受野窗口中的神經元進行側向抑制處理，依次對時間矩陣中的每個元素進行相同的處理，然后得到邊緣矩陣； 步驟(9)對上述的邊緣矩陣進行灰度映射，映射到O~255的范圍，最終就得到了包含圖像弱邊緣信息的結果矩陣。
【文檔編號】G06T7/00GK103679710SQ201310631982
【公開日】2014年3月26日 申請日期:2013年11月29日 優先權日:2013年11月29日
【發明者】范影樂, 廖進文, 方芳, 羅佳駿, 武薇 申請人:杭州電子科技大學