一種仿視覺感光層功能的圖像多強度邊緣檢測方法
2023-10-07 15:36:59 4
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。在圖像預處理階段，為避免視覺系統的適應性，對圖像採取了多方向多尺度下的移動操作；構建感光層神經元網絡模型，根據時間窗口內的神經元動作電位發放特性，判別並實現神經元之間的抑制性或增強性突觸連接；以移動圖像輸入前後的感光層神經元網絡響應模式差異，獲取圖像多強度邊緣的檢測結果。本發明考慮神經元突觸連接特性以及神經元動作電位發放機制，模擬了視覺感光層的一些重要特性，能夠有效實現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
【技術領域】
[0001]本發明屬於視覺神經計算領域，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】
[0002]圖像的邊緣或輪廓呈現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的性能。在實際應用中，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，傳統檢測方法對於此類邊緣的檢測效果並不理想。
【發明內容】
[0003]本發明考慮到:(I)對於圖像中存在多強度邊緣的情形，傳統方法邊緣檢測的效果不理想，尤其是會丟失弱邊緣的細節點；而在很多應用場合中，包含弱邊緣在內的多強度邊緣卻是一種不可忽視的重要信息；(2)傳統方法通常從數學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，檢測結果難以滿足對圖像多強度邊緣的視覺感知效果。因此本發明利用視覺感光層的一些重要神經電生理特性，模擬感光層神經元的脈衝發放機制，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，發揮視覺生理特性在圖像邊緣感知的獨特優勢。
[0004]本發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)避免視覺系統的適應性，將原圖像進行多方向多尺度移動。設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)構建感光層神經元網絡，其中單個神經元的模型採用LIF模型。設置記錄神經元脈衝發放的觀察時間，並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為當前分析時間窗口。
[0007]步驟(3)將原圖像以及移動後的圖像分別依次輸入到感光層神經元網絡中，網絡中的神經元與輸入圖像的像素點一一對應。記錄當前分析時間窗內神經元網絡所有神經元的脈衝發放，並根據發放的差異判決神經元屬於ON類型或者OFF類型。
[0008]步驟⑷構建一個3X3的模板，與感光層神經元網絡的3X3區域進行匹配；利用感受野特性構建一個判決器，根據模板內神經元類型差異情況對中心神經元的反饋係數進行即時調整，而該係數的變化將在下一個滑動時間窗口內對中心神經元產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元網絡進行遍歷，按上述方法對每個神經元進行作用。
[0009]步驟(5)將下一個滑動時間窗口設為當前分析時間窗口，重複步驟(3)和步驟
(4)，直至觀察時間結束，最終獲得觀察時間內的神經元網絡各個神經元的脈衝發放信息。
[0010]步驟(6)將原圖像和各移動圖像所對應的感光層神經元脈衝發放信息進行對比，按規則獲得當前移動距離尺度下，各移動方向的圖像多強度邊緣檢測結果。
[0011]步驟(7)將當前移動距離尺度下，各移動方向的圖像多強度邊緣檢測結果進行融合，最終獲得當前移動距離尺度下圖像多強度邊緣檢測結果。
[0012]步驟(8)調整移動距離尺度，重複步驟(I)?(7)，融合不同移動距離尺度下的圖像多強度邊緣檢測結果信息，以實現去噪功能，按色彩映射規則獲得最終的圖像多強度邊緣檢測結果。
[0013]本發明具有的有益效果為:
[0014]1、使用符合神經生理特性的LIF神經元模型，構建了具有抑制性或興奮性突觸作用的感光層神經元網絡。
[0015]2、對感光層神經元的抑制性或興奮性類型進行判別，同時結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兩類不同神經元在感知多強度邊緣時的互補作用，並以此為基礎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於感光層神經元檢測多強度邊緣的影響，提出通過調節圖像移動距離尺度來實現噪聲的濾除。
【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為感光層神經網絡模型圖。
【具體實施方式】
[0020]本發明利用了興奮性(ON)和抑制性(OFF)兩類感光層神經元在信息編碼時的重要作用，通過感光層神經元的脈衝發放頻度並結合圖像多方向多尺度移動對於感光層神經元檢測多強度邊緣的影響來刻畫圖像中的多強度邊緣；通過調節移動尺度來實現噪聲的濾除得到最終的圖像多強度邊緣。本發明面向圖像多強度邊緣檢測問題，構建神經元網絡對視覺感光層的一些重要特性進行模擬，與傳統方法相比，能獲得較滿意的邊緣檢測效果。[0021 ] 本發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，採取對側邊界補足的方法來解決邊界越界問題。
[0023]步驟(2)構建感光層神經元網絡Neuron (i, j) (i = I, 2LM; j = 1，2LN),感光層神經元網絡中的單個神經元採用LIF模型，如式(I)所示。圖像中每個像素點輸入到對應的神經元。
【權利要求】
1.一種仿視覺感光層功能的圖像多強度邊緣檢測方法，其特徵在於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)構建感光層神經元網絡Neuron (i，j)，感光層神經元網絡中的單個神經元採用LIF模型，如式(I)所示；圖像中每個像素點輸入到對應的神經元；
【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 優先權日:2014年4月1日
【發明者】範影樂, 羅佳駿, 武薇, 王典 申請人:杭州電子科技大學