基于多层神经元群放电信息的图像弱边缘检测方法
【专利摘要】本发明涉及一种基于多层神经元群放电信息的图像弱边缘检测方法。本发明构建具有抑制突触互连的多层神经元群，将数字图像作为输入层神经元群的输入，以各神经元首次放电的时空信息来表征图像像素；利用视觉感受野及各神经元放电时序，以时间方差来描述图像的空间细节，并考虑侧向抑制，继而实现选择注意机制以获取图像信息的视觉注意数据；结合选择注意过程，采用Log-Gabor多方向滤波结果实现空间变分辨率机制，获得重构后的图像边缘信息，并利用输出层神经元群对边缘信息进行增强。本发明考虑了神经元群的突触互连特性；引入多方向滤波机制反映皮质对视觉信息的简单过程；利用多层神经元群实现图像弱边缘的有效检测。
【专利说明】基于多层神经元群放电信息的图像弱边缘检测方法
【技术领域】
[0001]本发明属于图像处理领域，涉及一种基于多层神经元群放电信息的图像弱边缘检测方法。
【背景技术】
[0002]图像边缘是指图像的灰度值或颜色发生跃变的区域，该区域包含了图像大量的关键信息，比如轮廓、纹理、光线的明暗等，这对于特征提取、目标识别甚至对象感知以及更多的后续处理至关重要，并且通过边缘检测可以剔除无关的信息，从而大大减少需要处理的数据量，提高处理速度，因此图像边缘的有效检测具有重要意义。传统的边缘检测手段，譬如基于数学微分方法的Sobel算子，通常对于弱边缘表现不够，有时又会产生过分割，同时对噪声也比较敏感。
【发明内容】
[0003]本发明针对现有技术的不足，提供了一种基于多层神经元群放电信息的图像弱边缘检测方法。
[0004]本发明基于多层神经元群放电信息的图像弱边缘检测方法，包括以下步骤:
[0005]步骤(I)将原始数字图像输入到输入层神经元群中，记录各神经元的首次放电时间，并经抑制性突触作用后获得时间矩阵。
[0006]步骤(2)构造感受野窗口滑过该时间矩阵，先对该感受野窗口中的时间元素进行排序，根据排序结果进行加权，计算窗口内时间元素的改进方差，并将其赋值给感受野窗口的中心元素。依次对时间矩阵中的每个元素进行相同的处理，继而得到方差矩阵。
[0007]步骤(3)将步骤(2)中构造的感受野窗口滑过上述方差矩阵，对感受野窗口中的方差元素进行侧向抑制处理，同样需要对方差矩阵中的每个元素依次进行相同的处理，继而得到注意矩阵。
[0008]步骤(4)对得到的注意矩阵进行映射。
[0009]步骤(5)将原始数字图像视为一矩阵，将其与映射后的注意矩阵相加，并再次对相加后的矩阵数据进行灰度映射。
[0010]步骤(6)对上述灰度映射后的矩阵数据进行多方向Log-Gabor滤波器处理，然后根据滤波结果，重构图像信息。
[0011]步骤(7)将步骤(6)中的重构结果输入到输出层神经元群，记录各神经元的首次放电时间，并经抑制性突触作用后获得新的时间矩阵。
[0012]步骤(8)构造感受野窗口滑过上述新的时间矩阵，对感受野窗口中的神经元进行侧向抑制处理，依次对时间矩阵中的每个元素进行相同的处理，然后得到边缘矩阵。
[0013]步骤(9)对上述的边缘矩阵进行灰度映射，映射到O?255的范围，最终就得到了包含图像弱边缘信息的结果矩阵。
[0014]本发明具有的有益效果:[0015]1、在弱边缘检测中引入具有抑制性突触的多层互连神经元群，使得系统满足视觉神经的生理基础，能够更有效地获取图像的弱边缘信息；
[0016]2、在弱边缘检测中引入选择注意机制，能够凸显受关注的区域，使得结果图像中的边缘特征更加明显；
[0017]3、利用Log-Gabor滤波器来模拟初级视皮层的方向选择特性，满足皮层神经元响应对于方向边缘的选择性；
[0018]4、采用空间变分辨率机制:先利用输入层互连的神经元群、响应时间的方差特征以及侧向抑制作用低分辨地获取感兴趣区域；然后通过Log-Gabor滤波器及输出层互连的神经元群对获取的感兴趣区域进行高分辨分析。
【专利附图】
【附图说明】
[0019]图1为本发明方法流程图。
【具体实施方式】
[0020]如图1所示，I_old(i, j)表示原始的输入图像！T1Q, j)表示经过输入层神经元群后获得的时间矩阵；D(i，j)表示经过方差处理后的方差矩阵W1(Lj)表示矩阵D(i，j)经过神经元侧向抑制作用后的注意矩阵；V2(i，j)表示矩阵％(1，j)经过映射后的注意矩阵;fk(i, j) (k = O, I,..., 7)为经过 Log-Gabor 滤波器以角度为 Θ j ( Θ j = 22.5°*i, i =
0,1,-..,7)滤波后的结果；T2(i, j)表示经过输出层神经元群后获得的时间矩阵；F(i, j)表示矩阵T2(i，j)在经过神经元侧向抑制作用后得到的边缘矩阵；I_neW(i，j)表示最终的图像弱边缘检测结果。
[0021]本发明考虑到:(I)传统的边缘检测方法对于弱细节表现不够，有时又会产生过分割的问题；(2)传统的边缘检测方法往往采取二值化来处理图像，无法表现边缘的强弱特征，将丢失部分细节信息；(3)传统的边缘检测方法通常从数学算子的角度来处理，没有考虑到视觉机制的作用，对于一些细节比较丰富的图像检测效果有限；(4)脉冲耦合神经网络虽然引入了视觉机制的初步作用，但基本上是对视觉机制的黑箱模拟，并没有涉及到内在的信息流处理机制；(5)基于点阵神经元的边缘检测方法虽然考虑了部分视觉机制，但是无突触连接的神经元并不符合神经生理基础，而具有突触连接的神经元群动态响应在视觉信息的处理中起着重要作用。因此，本发明基于视觉生理，提出一种基于多层神经元群放电信息的图像弱边缘检测方法，使得检测结果能够表现出更丰富的细节信息，更符合人们的主观视觉感受。
[0022]本实施例的具体步骤是:
[0023]步骤(I)将原始数字图像I_old(i，j)输入到输入层互连神经元群Neuron1 (i，j)，其中神经元与图像像素一一对应，像素值作为对应各神经元的输入，上述i和j的取值范围分别为:i = 1，2，...，Μ，j = 1，2，...，Ν。
[0024]神经元模型如式(I)所示。
【权利要求】
1.基于多层神经元群放电信息的图像弱边缘检测方法，其特征在于该方法包括如下步骤: 步骤(1)将原始数字图像输入到输入层神经元群中，记录各神经元的首次放电时间，并经抑制性突触作用后获得时间矩阵； 步骤(2)构造感受野窗口滑过该时间矩阵，先对该感受野窗口中的时间元素进行排序，根据排序结果进行加权，计算窗口内时间元素的改进方差，并将其赋值给感受野窗口的中心元素，依次对时间矩阵中的每个元素进行相同的处理，继而得到方差矩阵； 步骤(3)将步骤(2)中构造的感受野窗口滑过上述方差矩阵，对感受野窗口中的方差元素进行侧向抑制处理，同样对方差矩阵中的每个元素依次进行相同的处理，继而得到注意矩阵； 步骤(4)对得到的注意矩阵进行映射； 步骤(5)将原始数字图像视为一矩阵，将其与映射后的注意矩阵相加，并再次对相加后的矩阵数据进行灰度映射； 步骤(6)对上述灰度映射后的矩阵数据进行多方向Log-Gabor滤波器处理，然后根据滤波结果，重构图像信息； 步骤(7)将步骤(6)中的重构结果输入到输出层神经元群，记录各神经元的首次放电时间，并经抑制性突触作用后获得新的时间矩阵； 步骤(8)构造感受野窗口滑过上述新的时间矩阵，对感受野窗口中的神经元进行侧向抑制处理，依次对时间矩阵中的每个元素进行相同的处理，然后得到边缘矩阵； 步骤(9)对上述的边缘矩阵进行灰度映射，映射到O~255的范围，最终就得到了包含图像弱边缘信息的结果矩阵。
【文档编号】G06T7/00GK103679710SQ201310631982
【公开日】2014年3月26日 申请日期:2013年11月29日 优先权日:2013年11月29日
【发明者】范影乐, 廖进文, 方芳, 罗佳骏, 武薇 申请人:杭州电子科技大学