一种基于多通道脉冲耦合神经网络模型的融合方法及装置的制造方法

文档序号:9579670阅读:640来源:国知局
一种基于多通道脉冲耦合神经网络模型的融合方法及装置的制造方法
【技术领域】
[0001] 本发明涉及融合技术领域,特别是涉及一种基于多通道脉冲耦合神经网络模型的 融合方法及装置。
【背景技术】
[0002] 脉冲親合神经网络(PCNN,PulseCoupledNeuralNetwork)是一种不同于传统神 经网络的模型,它基于猫、猴等动物的大脑皮层上的同步脉冲发放现象提出,不需要学习或 训练,能直接从复杂背景下提取有效信息,具有同步脉冲发放和全局耦合等特性,可广泛用 于图像处理、模式识别、决策优化等。
[0003]由于经典的脉冲耦合神经网络是单通道模型,所以其用于信息融合时需要多个 PCNN模型与其他方法相结合使用,而且PCNN模型仅为融合系数的选择提供参考依据,不参 与图像的具体融合过程。但PCNN本身具有独特的神经元捕获特性,能够自动实现信息的 传递和非线性耦合,具备直接用于图像融合的理论基础。因此,多通道PCNN模型(m-PCNN, multi-channelPCNN)对输入通道进行扩展,使其可以同时接收多通道的信号输入,直接在 模型内进行融合。
[0004] 与单通道PCNN的融合模型相比,m-PCNN模型简单,融合速度快,且能保留较多的 源信号信息。但是,m-PCNN对不同通道的源信号进行融合时,只能进行叠加式增强融合,而 不同通道的源信号间并不一定是时时处处彼此增强的,可能存在着时而增强时而削弱的相 互影响,因此,提供一种更全面准确的描述源信号间的相互关系的融合方法及装置是非常 有必要的。

【发明内容】

[0005] 本发明的目的是提供一种基于多通道脉冲耦合神经网络模型的融合方法及装置, 目的在于解决现有对不同通道的源信号进行融合时,只能进行叠加式增强的问题。
[0006] 为解决上述技术问题,本发明提供一种基于多通道脉冲耦合神经网络模型的融合 方法,包括:
[0007] 获取输入多通道脉冲耦合神经网络模型中神经元各通道的多个源信号;
[0008] 通过所述多个源信号以及邻域内的神经元上一时刻输出的脉冲信号,计算得到所 述神经元各通道的信号数据;
[0009] 通过融合因子对所述各通道的信号数据进行非线性融合,计算得到当前时刻的融 合输出数据;所述融合因子用于标识各通道信号对融合结果的影响强弱和方向;
[0010] 根据所述融合输出数据,计算得到融合结果。
[0011] 可选地,所述通过所述多个源信号以及邻域内的神经元上一时刻输出的脉冲信 号,计算得到所述神经元各通道的信号数据包括:
[0012] 通过?(丨,」)位置处各通道的源信号4,/^..,4和?(丨,」)邻域内神经元上一时刻 输出的脉冲信号Y[t-1],将外部激励if与Y[t-ι]按公式//?/: +Λ?#,-η,计算得到 所述神经元各通道的信号数据/<:;
[0013] 其中,t表示当前时刻,Μ表示上一时刻邻域输出Υ的权值矩阵。
[0014] 可选地,所述通过融合因子对所述各通道的信号数据进行非线性融合,计算得到 当前时刻的融合输出数据包括:
[0015] 通过融合因子^对所述各通道的信号数据进行非线性融合,按照公式 = +4·〃,?ΚΙΗ%计算得到当前时刻的融合输出数据u1]; Μ.
[0016] 其中,〇u为水平因子,用来调整内部活动项的平均水平;% >0表明通道k信号 可正向增强位置P(i,j)的信号融合结果,<<〇表明通道k信号会反向削弱位置P(i,j)的 信号融合结果,^=〇表明通道k信号对位置P(i,j)的信号融合结果无影响。
[0017] 可选地,所述根据所述融合输出数据,计算得到融合结果包括:
[0018] 将所述融合输出数据与点火阈值进行比较;
[0019] 当所述融合输出数据大于所述点火阈值时,所述神经元发放脉冲,并保持发放脉 冲状态;
[0020] 当所述融合输出数据小于或等于所述点火阈值时,将脉冲发生器关闭,并对所述 点火阈值进行调节,直至所述神经元产生脉冲;
[0021] 当所有位置对应的神经元均被点火一次时,所有神经元停止迭代融合,计算得到 融合结果。
[0022] 可选地,所述当所有位置对应的神经元均被点火一次时,所有神经元停止迭代融 合,计算得到融合结果包括:
[0023] 当所有位置对应的神经元均被点火一次时,所有神经元停止迭代融合,并将此时 的融合结果进行标准化转换得到最终的融合结果。
[0024] 本发明还提供了一种基于多通道脉冲耦合神经网络模型的融合装置,包括:
[0025] 获取模块,用于获取输入多通道脉冲耦合神经网络模型中神经元各通道的多个源 信号;
[0026] 第一计算模块,用于通过所述多个源信号以及邻域内的神经元上一时刻输出的脉 冲信号,计算得到所述神经元各通道的信号数据;
[0027] 第二计算模块,用于通过融合因子对所述各通道的信号数据进行非线性融合,计 算得到当前时刻的融合输出数据;所述融合因子用于标识各通道信号对融合结果的影响强 弱和方向;
[0028] 第三计算模块,用于根据所述融合输出数据,计算得到融合结果。
[0029] 可选地,所述第一计算模块具体用于:通过P(i,j)位置处各通道的源信号 '<,...,/,;:和P(i,j)邻域内神经元上一时刻输出的脉冲信号Y[t_l],将外部激励/|与 Y[t-1]按公式/<Μ= <+Α??η>-1],计算得到所述神经元各通道的信号数据其中,t表示当前时刻,Μ表示上一时刻邻域输出Υ的权值矩阵。
[0030] 可选地,所述第二计算模块具体用于:通过融合因子4对所述各通道的信号数据 ?进行非线性融合,按照公式<|'人七]=11[(1 + 4*〃^小+%计算得到当前时刻的融合输出 数据υ1];其中〇 ^为水平因子,用来调整内部活动项的平均水平;# >〇表明通道k信号 可正向增强位置P(i,j)的信号融合结果,Λ?<0表明通道k信号会反向削弱位置P(i,j)的 信号融合结果,< =〇表明通道k信号对位置Ρα,j)的信号融合结果无影响。
[0031] 可选地,所述第三计算模块包括:
[0032] 比较器,用于将所述融合输出数据与点火阈值进行比较;
[0033] 脉冲产生器,用于当所述融合输出数据大于所述点火阈值时,所述神经元发放脉 冲,并保持发放脉冲状态;
[0034] 阈值调节器,用于当所述融合输出数据小于或等于所述点火阈值时,将脉冲发生 器关闭,并对所述点火阈值进行调节,直至所述神经元产生脉冲;
[0035] 计算单元,用于当所有位置对应的神经元均被点火一次时,所有神经元停止迭代 融合,计算得到融合结果。
[0036] 可选地,所述计算单元具体用于:当所有位置对应的神经元均被点火一次时,所有 神经元停止迭代融合,并将此时的融合结果进行标准化转换得到最终的融合结果。
[0037] 本发明所提供的基于多通道脉冲耦合神经网络模型的融合方法及装置,通过获取 输入多通道脉冲耦合神经网络模型中神经元各通道的多个源信号;通过多个源信号以及邻 域内的神经元上一时刻输出的脉冲信号,计算得到神经元各通道的信号数据;通过融合因 子对所述各通道的信号数据进行非线性融合,计算得到当前时刻的融合输出数据;根据融 合输出数据,计算得到融合结果。可见,本发明通过标识各通道信号对融合结果的影响强弱 和方向的融合因子,既能够表示多通道信号彼此间的增强关系,也能够表示多通道信号彼 此间的削弱关系,从而提高了原有模型的描述能力和准确性,扩大了模型的应用范围。
【附图说明】
当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1