一种基于脉冲神经膜系统的快速并行图像细化算法的制作方法

技术特征：

1.一种基于脉冲神经膜系统的快速并行图像细化算法，包括以下部分：

A、对二值图像中的每个像素点编码；

B、根据快速并行细化算法中删除黑色像素点的条件，找出每一种符合删除条件点的编码，给出这些编码的集合，即删除集合DEL₁、DEL₂；

C、建立图像细化脉冲神经膜系统。

2.根据权利要求1所述的一种基于脉冲神经膜系统的快速并行细化算法，其特征在于，所述的部分A中，所述的像素点编码是指：对于除边缘像素点以外的每个像素点，将其设为P₀，其周围相邻的八个像素点按照时钟顺序分别设为P₁、P₂、P₃、P₄、P₅、P₆、P₇、P₈，假设图像中第i行第j列的像素点标记为(i，j)，当像素点为黑色像素时Hr＝0，当像素点为白色像素时Hr＝1，则对(i，j)像素点的编码为：

3.根据权利要求1所述的一种基于脉冲神经膜系统的快速并行细化算法，其特征在于，所述的部分B中，所述的删除集合是指：令N(P₀)表示P₀的邻点为黑色像素点的个数，S(P₀)表示以P₁、P₂、P₃、P₄、P₅、P₆、P₇、P₈、P₁为序时这些点的值从0到1变化的次数，细化算法分为两个步骤，第一步，将所有满足以下四种条件的像素点列出，建立删除集合DEL₁：2≦N(P₀)≦6、S(P₀)＝1、P₁×P₃×P₅＝0、P₃×P₅×P₇＝0，第二步，将所有满足以下四种条件的像素点列出，建立删除集合DEL₂：2≦N(P₀)≦6、S(P₀)＝1、P₁×P₃×P₇＝0、P₁×P₅×P₇＝0。

4.根据权利要求1所述的一种基于脉冲神经膜系统的快速并行细化算法，其特征在于，所述的部分C中，所述的脉冲神经膜系统是指：对于p×q大小的图像，建立度为(p×q)+2的脉冲神经膜系统，Π＝(O，σ₁₁，σ₁₂，...，σ_pq，σ₁，σ₂，syn，1)，

其中

(1)O＝{a}为单字母集合，a表示一个脉冲

(2)σ₁＝(512,a⁵¹³a*/a⁵¹³→a⁵¹²；1)，σ₂＝(0,a¹⁰²⁴a*/a¹⁰²⁴→a¹⁰²⁴；1)

σ_ij＝(n_ij,R_ij)，i∈{1,…,p}，j∈{1,…,q}，其中，

k∈{1,…,q}，j∈{1,…,p}

对于其他的(i,j)

(3)

syn₁＝{<1,(i,j),1>∣i∈{2,…,p-1}，j∈{2,…,q-1}}

syn₂＝{<2,(i,j),1>∣i∈{2,…,p-1}，j∈{2,…,q-1}}，

${\mathrm{syn}}_{ij}=\left\{\begin{array}{cc}\&lt;(i,j),(i+1,j+1),1/2^0\&gt;,& \&lt;(i,j)(i,j+1),1/2^1\&gt;,\\ \&lt;(i,j),(i-1,j+1),1/2^2\&gt;,& \&lt;(i,j)(i-1,j),1/2^3\&gt;,\\ \&lt;(i,j),(i-1,j+1),1/2^4\&gt;,& \&lt;(i,j)(i,j-1),1/2^5\&gt;,\\ \&lt;(i,j),(i+1,j-1),1/2^6\&gt;,& \&lt;(i,j)(i+1,j),1/2^7\&gt;,\end{array}\right\}$

σ₁是脉冲神经膜系统的输入神经元，输入一个正整数，代表图像细化算法的迭代次数。