本發(fā)明涉及一種快速并行圖像細(xì)化算法，特別涉及一種基于脈沖神經(jīng)膜系統(tǒng)的快速并行圖像細(xì)化算法。

背景技術(shù)：

圖像識(shí)別的過(guò)程包括預(yù)處理、特征提取、特征匹配、相似性計(jì)算等環(huán)節(jié)。預(yù)處理主要對(duì)識(shí)別的對(duì)象進(jìn)行去噪、平滑和增強(qiáng)等處理。其中，圖像預(yù)處理是一個(gè)很重要的部分，它的處理效果直接影響后續(xù)的特征提取。

圖像細(xì)化算法是使二值圖像在保持原有的拓?fù)浣Y(jié)構(gòu)的前提下刪除邊緣像素，直到為單像素寬為止，是預(yù)處理中的一個(gè)重要環(huán)節(jié)。因?yàn)橐话愕奶卣魈崛《际窃诩?xì)化的基礎(chǔ)上進(jìn)行的，如果細(xì)化不好，將無(wú)法使用常規(guī)的特征提取算法提取細(xì)節(jié)特征信息。因此細(xì)化方法的好壞對(duì)整個(gè)圖像識(shí)別系統(tǒng)的性能具有重要的意義，所以有必要對(duì)細(xì)化方法做進(jìn)一步研究。細(xì)化將原始的圖像用更少的信息表示出來(lái)，并且不改變?cè)紙D像的拓?fù)浣Y(jié)構(gòu)。作為一種降維的圖像描述方式，組合了識(shí)別目標(biāo)的輪廓和區(qū)域信息，從而基于骨架的目標(biāo)表示和識(shí)別技術(shù)成為模式識(shí)別和計(jì)算機(jī)視覺(jué)的重要研究?jī)?nèi)容，被廣泛應(yīng)用于字符識(shí)別、指紋識(shí)別以及醫(yī)學(xué)圖像分析等領(lǐng)域?，F(xiàn)有的細(xì)化算法主要有：Hilditch細(xì)化算法、SPTA細(xì)化算法、OPTA細(xì)化算法、Pavlidis細(xì)化算法、Rosenfeld細(xì)化算法。

脈沖神經(jīng)膜系統(tǒng)是受生物神經(jīng)元處理與傳遞信息的方式啟發(fā)設(shè)計(jì)的神經(jīng)型計(jì)算系統(tǒng)，是一種分布式、并行的、離散的計(jì)算模型。已經(jīng)證明脈沖神經(jīng)膜系統(tǒng)具有強(qiáng)大的計(jì)算能力，并且大多數(shù)模型都是圖靈等價(jià)的。同時(shí)在解決計(jì)算困難問(wèn)題方面也顯示出了巨大的潛力。

傳統(tǒng)的細(xì)化算法存在以下缺點(diǎn)：細(xì)化分支過(guò)多，細(xì)化結(jié)果不穩(wěn)定，不能反映目標(biāo)的主體結(jié)構(gòu)；不能保證細(xì)化結(jié)果為單像素寬度。

技術(shù)實(shí)現(xiàn)要素：

為了解決現(xiàn)有的算法缺點(diǎn)，本發(fā)明提出了一種基于脈沖神經(jīng)膜系統(tǒng)的快速并行圖像細(xì)化算法，本發(fā)明基于脈沖神經(jīng)網(wǎng)絡(luò)的分布式、并行性的特點(diǎn)，其通過(guò)將滿足圖像細(xì)化算法刪除條件的黑色像素點(diǎn)變?yōu)榘咨袼?，迭代?duì)圖像做細(xì)化操作，直到?jīng)]有滿足刪除條件的像素點(diǎn)為止。

本發(fā)明所采用的技術(shù)方案如下：

一種基于脈沖神經(jīng)膜系統(tǒng)的快速并行圖像細(xì)化算法，包括以下部分：

A、對(duì)二值圖像中的每個(gè)像素點(diǎn)編碼；

B、根據(jù)快速并行細(xì)化算法中刪除黑色像素點(diǎn)的條件，找出每一種符合刪除條件點(diǎn)的編碼，給出這些編碼的集合，即刪除集合DEL₁、DEL₂；

C、建立圖像細(xì)化脈沖神經(jīng)膜系統(tǒng)。

部分A中，所述的像素點(diǎn)編碼是指：對(duì)于除邊緣像素點(diǎn)以外的每個(gè)像素點(diǎn)，將其設(shè)為P₀，其周圍相鄰的八個(gè)像素點(diǎn)按照時(shí)鐘順序分別設(shè)為P₁、P₂、P₃、P₄、P₅、P₆、P₇、P₈，假設(shè)圖像中第i行第j列的像素點(diǎn)標(biāo)記為(i，j)，當(dāng)像素點(diǎn)為黑色像素時(shí)Hr＝0，當(dāng)像素點(diǎn)為白色像素時(shí)Hr＝1，則對(duì)(i，j)像素點(diǎn)的編碼為：

部分B中，所述的刪除集合是指：令N(P₀)表示P₀的鄰點(diǎn)為黑色像素點(diǎn)的個(gè)數(shù)，S(P₀)表示以P₁、P₂、P₃、P₄、P₅、P₆、P₇、P₈、P₁為序時(shí)這些點(diǎn)的值從0到1變化的次數(shù)，細(xì)化算法分為兩個(gè)步驟，第一步，將所有滿足以下四種條件的像素點(diǎn)列出，建立刪除集合DEL₁：2≦N(P₀)≦6、S(P₀)＝1、P₁×P₃×P₅＝0、P₃×P₅×P₇＝0，第二步，將所有滿足以下四種條件的像素點(diǎn)列出，建立刪除集合DEL₂：2≦N(P₀)≦6、S(P₀)＝1、P₁×P₃×P₇＝0、P₁×P₅×P₇＝0。

部分C中，所述的脈沖神經(jīng)膜系統(tǒng)是指：對(duì)于p×q大小的圖像，建立度為(p×q)+2的脈沖神經(jīng)膜系統(tǒng)，∏＝(O，σ₁₁，σ₁₂，...，σ_pq，σ₁，σ₂，syn，1)，

其中

(1)O＝{a}為單字母集合，a表示一個(gè)脈沖

(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}

對(duì)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}}，

σ₁是脈沖神經(jīng)膜系統(tǒng)的輸入神經(jīng)元，輸入一個(gè)正整數(shù)，代表圖像細(xì)化算法的迭代次數(shù)。

本發(fā)明提供的技術(shù)方案帶來(lái)的有益效果是：

本發(fā)明將快速并行細(xì)化算法和脈沖神經(jīng)膜系統(tǒng)相結(jié)合，充分利用脈沖神經(jīng)膜系統(tǒng)的并行性，通過(guò)脈沖神經(jīng)膜系統(tǒng)，對(duì)要處理的二值圖像中的每一個(gè)像素點(diǎn)編碼，通過(guò)幾次迭代操作將滿足刪除條件的黑色像素點(diǎn)刪除，直到?jīng)]有可以刪除的像素點(diǎn)為止，從而對(duì)圖像完成細(xì)化操作，使得細(xì)化后的圖像保持原始圖像的拓?fù)浣Y(jié)構(gòu)，并用更少的信息量表示。

附圖說(shuō)明

為了更清楚地說(shuō)明本發(fā)明的技術(shù)方案，下面將對(duì)發(fā)明內(nèi)容中所需要使用的附圖作簡(jiǎn)要地介紹。

圖1為本發(fā)明的一種基于脈沖神經(jīng)膜系統(tǒng)的快速并行圖像細(xì)化算法對(duì)二值圖像中每一個(gè)非邊緣像素點(diǎn)，對(duì)其周圍8個(gè)相鄰像素點(diǎn)的排列順序的定義，即按照時(shí)鐘順序分別為：P1、P2、P3、P4、P5、P6、P7、P8；

圖2為本發(fā)明的一種基于脈沖神經(jīng)膜系統(tǒng)的快速并行圖像細(xì)化算法的二值圖像中的一個(gè)像素點(diǎn)及其8個(gè)相鄰像素點(diǎn)。

圖3為本發(fā)明的一種基于脈沖神經(jīng)膜系統(tǒng)的快速并行圖像細(xì)化算法中構(gòu)造的脈沖神經(jīng)膜系統(tǒng)。

具體實(shí)施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將對(duì)本發(fā)明實(shí)施方式作進(jìn)一步地詳細(xì)描述。

實(shí)施例一

本實(shí)施例的基礎(chǔ)在于，事先處理MNIST數(shù)據(jù)集，得到28×28像素的手寫數(shù)字圖像。因?yàn)樵撌謱憯?shù)字圖像是二值圖像，所以不需要對(duì)其做二值化處理。

首先計(jì)算出滿足細(xì)化算法刪除條件的像素點(diǎn)的編碼集合：DEL₁、DEL₂，用C語(yǔ)言編程實(shí)現(xiàn)基于脈沖神經(jīng)膜系統(tǒng)的快速并行圖像細(xì)化算法，即實(shí)現(xiàn)脈沖神經(jīng)膜系統(tǒng)：П＝(O，σ₁₁，σ₁₂，...，σ_pq，σ₁，σ₂，syn，1)。

將待細(xì)化的手寫數(shù)字圖像輸入到脈沖神經(jīng)膜系統(tǒng)中，該系統(tǒng)會(huì)對(duì)圖像中的每個(gè)像素點(diǎn)編碼，并掃描整個(gè)圖像的像素點(diǎn)，將屬于刪除集合的像素點(diǎn)刪除。在該脈沖神經(jīng)膜系統(tǒng)執(zhí)行n次迭代刪除操作之后，圖像已經(jīng)沒(méi)有滿足刪除條件的像素點(diǎn)，即得到了細(xì)化后的圖像。利用基于脈沖神經(jīng)膜系統(tǒng)的快速并行圖像細(xì)化算法得到的圖像，具有和原始圖像相同拓?fù)浣Y(jié)構(gòu)及相同細(xì)節(jié)信息。由于細(xì)化后的圖像的信息量少，所以有利于圖像預(yù)處理后對(duì)圖像的特征提取操作，從而更有利于圖像的識(shí)別。