一種仿視覺感光層功能的圖像多強度邊緣檢測方法
【專利摘要】本發(fā)明涉及一種仿視覺感光層功能的圖像多強度邊緣檢測方法。在圖像預(yù)處理階段，為避免視覺系統(tǒng)的適應(yīng)性，對圖像采取了多方向多尺度下的移動操作；構(gòu)建感光層神經(jīng)元網(wǎng)絡(luò)模型，根據(jù)時間窗口內(nèi)的神經(jīng)元動作電位發(fā)放特性，判別并實現(xiàn)神經(jīng)元之間的抑制性或增強性突觸連接；以移動圖像輸入前后的感光層神經(jīng)元網(wǎng)絡(luò)響應(yīng)模式差異，獲取圖像多強度邊緣的檢測結(jié)果。本發(fā)明考慮神經(jīng)元突觸連接特性以及神經(jīng)元動作電位發(fā)放機制，模擬了視覺感光層的一些重要特性，能夠有效實現(xiàn)圖像多強度邊緣的檢測。
【專利說明】一種仿視覺感光層功能的圖像多強度邊緣檢測方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于視覺神經(jīng)計算領(lǐng)域，涉及一種仿視覺感光層功能的圖像多強度邊緣檢測方法。
【背景技術(shù)】
[0002]圖像的邊緣或輪廓呈現(xiàn)出一種像素點灰度或亮度突變的特性，是圖像的一種重要屬性。因此邊緣檢測是圖像處理、分析和理解的前期步驟，檢測效果將直接影響到整個系統(tǒng)的性能。在實際應(yīng)用中，圖像存在著不同程度的邊緣弱化問題，例如常見的漸變色邊緣，傳統(tǒng)檢測方法對于此類邊緣的檢測效果并不理想。

【發(fā)明內(nèi)容】

[0003]本發(fā)明考慮到:(I)對于圖像中存在多強度邊緣的情形，傳統(tǒng)方法邊緣檢測的效果不理想，尤其是會丟失弱邊緣的細(xì)節(jié)點；而在很多應(yīng)用場合中，包含弱邊緣在內(nèi)的多強度邊緣卻是一種不可忽視的重要信息；(2)傳統(tǒng)方法通常從數(shù)學(xué)梯度算子的角度入手，忽視了視覺生理特性在邊緣檢測中的重要作用，檢測結(jié)果難以滿足對圖像多強度邊緣的視覺感知效果。因此本發(fā)明利用視覺感光層的一些重要神經(jīng)電生理特性，模擬感光層神經(jīng)元的脈沖發(fā)放機制，提出了一種仿視覺感光層功能的圖像多強度邊緣檢測方法，發(fā)揮視覺生理特性在圖像邊緣感知的獨特優(yōu)勢。
[0004]本發(fā)明提出了一種仿視覺感光層功能的圖像多強度邊緣檢測方法，包括以下步驟:
[0005]步驟(I)避免視覺系統(tǒng)的適應(yīng)性，將原圖像進行多方向多尺度移動。設(shè)置某一移動距離尺度，對圖像進行多方向移動操作。
[0006]步驟(2)構(gòu)建感光層神經(jīng)元網(wǎng)絡(luò)，其中單個神經(jīng)元的模型采用LIF模型。設(shè)置記錄神經(jīng)元脈沖發(fā)放的觀察時間，并將觀察時間劃分成若干個滑動時間窗口，將第一個滑動時間窗口設(shè)為當(dāng)前分析時間窗口。
[0007]步驟(3)將原圖像以及移動后的圖像分別依次輸入到感光層神經(jīng)元網(wǎng)絡(luò)中，網(wǎng)絡(luò)中的神經(jīng)元與輸入圖像的像素點一一對應(yīng)。記錄當(dāng)前分析時間窗內(nèi)神經(jīng)元網(wǎng)絡(luò)所有神經(jīng)元的脈沖發(fā)放，并根據(jù)發(fā)放的差異判決神經(jīng)元屬于ON類型或者OFF類型。
[0008]步驟⑷構(gòu)建一個3X3的模板，與感光層神經(jīng)元網(wǎng)絡(luò)的3X3區(qū)域進行匹配；利用感受野特性構(gòu)建一個判決器，根據(jù)模板內(nèi)神經(jīng)元類型差異情況對中心神經(jīng)元的反饋系數(shù)進行即時調(diào)整，而該系數(shù)的變化將在下一個滑動時間窗口內(nèi)對中心神經(jīng)元產(chǎn)生不同程度的興奮性或者抑制性作用。將模板對感光層神經(jīng)元網(wǎng)絡(luò)進行遍歷，按上述方法對每個神經(jīng)元進行作用。
[0009]步驟(5)將下一個滑動時間窗口設(shè)為當(dāng)前分析時間窗口，重復(fù)步驟(3)和步驟
(4)，直至觀察時間結(jié)束，最終獲得觀察時間內(nèi)的神經(jīng)元網(wǎng)絡(luò)各個神經(jīng)元的脈沖發(fā)放信息。
[0010]步驟(6)將原圖像和各移動圖像所對應(yīng)的感光層神經(jīng)元脈沖發(fā)放信息進行對比，按規(guī)則獲得當(dāng)前移動距離尺度下，各移動方向的圖像多強度邊緣檢測結(jié)果。
[0011]步驟(7)將當(dāng)前移動距離尺度下，各移動方向的圖像多強度邊緣檢測結(jié)果進行融合，最終獲得當(dāng)前移動距離尺度下圖像多強度邊緣檢測結(jié)果。
[0012]步驟(8)調(diào)整移動距離尺度，重復(fù)步驟(I)?(7)，融合不同移動距離尺度下的圖像多強度邊緣檢測結(jié)果信息，以實現(xiàn)去噪功能，按色彩映射規(guī)則獲得最終的圖像多強度邊緣檢測結(jié)果。
[0013]本發(fā)明具有的有益效果為:
[0014]1、使用符合神經(jīng)生理特性的LIF神經(jīng)元模型，構(gòu)建了具有抑制性或興奮性突觸作用的感光層神經(jīng)元網(wǎng)絡(luò)。
[0015]2、對感光層神經(jīng)元的抑制性或興奮性類型進行判別，同時結(jié)合了視覺感光層在視覺感知中的一些重要特性，利用ON和OFF兩類不同神經(jīng)元在感知多強度邊緣時的互補作用，并以此為基礎(chǔ)進行了仿視覺感光層功能的圖像多強度邊緣檢測。
[0016]3、考慮了圖像多方向多尺度移動對于感光層神經(jīng)元檢測多強度邊緣的影響，提出通過調(diào)節(jié)圖像移動距離尺度來實現(xiàn)噪聲的濾除。
【專利附圖】

【附圖說明】
[0017]圖1為某移動距離尺度下的邊緣檢測流程圖。
[0018]圖2為不同移動距離單元尺度下的邊緣信息融合圖。
[0019]圖3為感光層神經(jīng)網(wǎng)絡(luò)模型圖。
【具體實施方式】
[0020]本發(fā)明利用了興奮性(ON)和抑制性(OFF)兩類感光層神經(jīng)元在信息編碼時的重要作用，通過感光層神經(jīng)元的脈沖發(fā)放頻度并結(jié)合圖像多方向多尺度移動對于感光層神經(jīng)元檢測多強度邊緣的影響來刻畫圖像中的多強度邊緣；通過調(diào)節(jié)移動尺度來實現(xiàn)噪聲的濾除得到最終的圖像多強度邊緣。本發(fā)明面向圖像多強度邊緣檢測問題，構(gòu)建神經(jīng)元網(wǎng)絡(luò)對視覺感光層的一些重要特性進行模擬，與傳統(tǒng)方法相比，能獲得較滿意的邊緣檢測效果。[0021 ] 本發(fā)明具體實施方法如圖1和圖2所示。
[0022]步驟⑴對原始圖像IQ(i，j) (i = 1，2LM; j = 1，2LN)，進行某一距離尺度的移動，設(shè)在圖像水平和豎直方向的移動距離分別為xmove和ymove,對原始圖像ItlQ, j)從12點方向開始順時針進行移動操作，依次獲得8幅移動圖像I1?I8，其中=I1Q, j)=10 (i, j-ymove), I2 (i, j) = 10 (i+xmove, j-ymove), I3 (i, j) = 10 (i+xmove, j), I4 (i, j)=10 (i+xmove, j+ymove), I5 (i, j) = 10 (i, j+ymove), I6 (i, j) = 10(1-xmove, j+ymove),I7(i, j) = 10(1-xmove, j), I8(i, j) = 10(1-xmove, j-ymove) (i = I, 2LM; j = I, 2LN)0 在移動操作時，采取對側(cè)邊界補足的方法來解決邊界越界問題。
[0023]步驟(2)構(gòu)建感光層神經(jīng)元網(wǎng)絡(luò)Neuron (i, j) (i = I, 2LM; j = 1，2LN),感光層神經(jīng)元網(wǎng)絡(luò)中的單個神經(jīng)元采用LIF模型，如式(I)所示。圖像中每個像素點輸入到對應(yīng)的神經(jīng)元。
【權(quán)利要求】
1.一種仿視覺感光層功能的圖像多強度邊緣檢測方法，其特征在于該方法包括如下步驟: 步驟(1)對原始圖像Itl(Lj)進行某一距離尺度的移動，具體是:設(shè)在圖像水平和豎直方向的移動距離分別為xmove和ymove,對原始圖像ItlQ, j)從12點方向開始順時針進行移動操作，依次獲得8幅移動圖像I1~I8，其中=I1(Lj) = 10(i, j-ymove), I2(i, j)=10(i+xmove, j-ymove), I3 (i, j) = 10 (i+xmove, j), I4 (i, j) = 10 (i+xmove, j+ymove)，I5 (i，j) = 10 (i, j+ymove), I6 (i, j) = 10(1-xmove, j+ymove), I7 (i, j) = 10(1-xmove, j),I8 (i, j) = 10Q-Xmove, j-ymove),其中 i = I, 2LM; j = I, 2LN ； 步驟(2)構(gòu)建感光層神經(jīng)元網(wǎng)絡(luò)Neuron (i，j)，感光層神經(jīng)元網(wǎng)絡(luò)中的單個神經(jīng)元采用LIF模型，如式(I)所示；圖像中每個像素點輸入到對應(yīng)的神經(jīng)元；
【文檔編號】G06T5/00GK103985115SQ201410128822
【公開日】2014年8月13日 申請日期:2014年4月1日 優(yōu)先權(quán)日:2014年4月1日
【發(fā)明者】范影樂, 羅佳駿, 武薇, 王典 申請人:杭州電子科技大學(xué)