一種基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的灰度圖像邊緣檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種灰度圖像邊緣檢測(cè)方法，尤其涉及一種基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的 灰度圖像邊緣檢測(cè)方法。
【背景技術(shù)】
[0002] 現(xiàn)有的邊緣檢測(cè)方法是考察圖像各個(gè)像素的特定鄰域內(nèi)灰度的變化，根據(jù)相應(yīng)的 一階或二階方向?qū)?shù)變化規(guī)律對(duì)邊緣進(jìn)行檢測(cè)，這類方法大多數(shù)使用基于方向?qū)?shù)掩模求 卷積的算法來實(shí)現(xiàn)。
[0003] 導(dǎo)數(shù)算子具有突出灰度變化的作用，對(duì)圖像運(yùn)用導(dǎo)數(shù)算子，灰度變化較大的點(diǎn)處 算得的值比較高，因此可將這些導(dǎo)數(shù)值作為相應(yīng)點(diǎn)的邊界強(qiáng)度，通過設(shè)置門限的方法，提取 邊界點(diǎn)集，一階導(dǎo)數(shù)與是最簡單的導(dǎo)數(shù)算子，它們分別求出了灰度在X和y方向上的變化 率，而方向α上的灰度變化率可以用相應(yīng)公式進(jìn)行計(jì)算，對(duì)于數(shù)字圖像，應(yīng)該采用差分運(yùn) 算代替求導(dǎo)，二階邊緣檢測(cè)方法通過尋找圖像灰度值中二階微分中的過零點(diǎn)來檢測(cè)邊緣 點(diǎn)，其原理為灰度級(jí)變形成的邊緣經(jīng)過微風(fēng)算子形成一個(gè)單峰函數(shù)，峰值位置對(duì)應(yīng)邊緣點(diǎn)， 對(duì)單峰函數(shù)進(jìn)行微分，則峰值處的微分值為0,峰值兩側(cè)符號(hào)相反，而原先的極值點(diǎn)對(duì)應(yīng)二 階微分中的過零點(diǎn)，通過檢測(cè)過零點(diǎn)即可將圖像的邊緣提取出來，但是在實(shí)際應(yīng)用中，由于 噪聲和模糊的存在，所以導(dǎo)致檢測(cè)到的邊界可能會(huì)變寬或在某些點(diǎn)處發(fā)生間斷。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于提供一種基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的灰度圖像邊緣檢測(cè)方法，解 決了現(xiàn)有的邊緣檢測(cè)方法在實(shí)際應(yīng)用中，由于噪聲和模糊的存在，所以導(dǎo)致檢測(cè)到的邊界 可能會(huì)變寬或在某些點(diǎn)處發(fā)生間斷的問題。
[0005] 本發(fā)明利用脈沖耦合神經(jīng)網(wǎng)絡(luò)的脈沖傳播及連接特性和灰度圖像中邊緣處的灰 度突變?cè)恚瑢?shí)現(xiàn)了對(duì)灰度圖像的邊緣檢測(cè)，利用該方法可直接對(duì)256色灰度圖像中的邊 緣進(jìn)行有效檢測(cè)和提取，其處理邏輯步驟如下：
[0006] 首先，構(gòu)造一單層二維、局部連接的脈沖耦合神經(jīng)網(wǎng)絡(luò)，其中神經(jīng)元的個(gè)數(shù)等于灰 度圖像的像素?cái)?shù)，神經(jīng)元與各像素--對(duì)應(yīng)并連接，同時(shí)與相鄰的神經(jīng)元相連接，所構(gòu)造的 模型如下：
[0007] Fjk[i] = Sjk+Fjk[i-1] · eaF+VF · (M*Y[i-l]) jk
[0008] Ljk[i] = Ljk[i-1] · eaL+VL · (K*Y[i-l]) jk，
[0009] 式中K和M是連接權(quán)重矩陣，*表示卷積操作，Y為神經(jīng)元點(diǎn)火與否的信息，a L和 a F為時(shí)間衰減常量，\和V F為連接和饋入常量，Sjk為神經(jīng)元jk接受的外界刺激，在連接 調(diào)制部分，饋入輸入Fjk和連接輸入Ljk經(jīng)過調(diào)制后產(chǎn)生神經(jīng)元jk的內(nèi)活動(dòng)Ujk :
[0010] Ujk[i] = F.jk[i] · (l+β Ljk[i])，
[0011] 其中β為連接調(diào)制常量，神經(jīng)元的脈沖生成器根據(jù)內(nèi)活動(dòng)Ujk的一個(gè)階躍函數(shù)產(chǎn) 生二值輸出，并根據(jù)神經(jīng)元jk點(diǎn)火與否的狀態(tài)自動(dòng)調(diào)整閾值的大小，在時(shí)間i如果內(nèi)活動(dòng) Ujk比閾值函數(shù)Θ jk大，Yjk取值為I，稱神經(jīng)元jk點(diǎn)火，否則Yjk取值為0,稱神經(jīng)元未點(diǎn) 火，如果神經(jīng)元jk點(diǎn)火，則根據(jù)Ve對(duì)閾值函數(shù)進(jìn)行調(diào)整：
[0014] 其中α Θ為時(shí)間衰減常量，Ve為閾值常量，
[0015] 其次，根據(jù)如下步驟進(jìn)行圖像的處理：
[0016] 第一步，將圖像像素的灰度作為外部輸入從接收饋入輸入的樹突分支輸入相應(yīng)神 經(jīng)元，并將所有神經(jīng)元均設(shè)置為非點(diǎn)火狀態(tài)：YO = 1 ; ? = δ /2 ;
[0017] 第二步，對(duì)連接輸入進(jìn)行調(diào)制：L = L · eaL+VL · (Κ*Υ0);
[0018] 第三步，利用饋入輸入和連接輸入經(jīng)過調(diào)制后產(chǎn)生神經(jīng)元的內(nèi)活動(dòng)：U = F · (l+βυ ;
[0019] 第四步，根據(jù)閾值設(shè)置神經(jīng)元的點(diǎn)火狀態(tài)
[0020] 第五步，如果F[i，j]的3*3鄰域內(nèi)YO與Y異或?yàn)?且相應(yīng)的Y不全為0或不全 為 1，E[i，j] = 255 ;否則 E[i，j] = 0 ;
[0021] 第六步，修正閾值 θ :Θ = Θ · eα 0+νΘ · Y ;
[0022] 第七步，存儲(chǔ)第五步得到的點(diǎn)火狀態(tài)：YO = Y ;
[0023] 第八步，如果Θ小于255,回到第2步，否則下一步；
[0024] 第九步，得到E，即為邊緣檢測(cè)結(jié)果。
[0025] 本發(fā)明的技術(shù)效果是：本發(fā)明利用脈沖耦合神經(jīng)網(wǎng)絡(luò)的脈沖傳播及連接特性和灰 度圖像中邊緣處的灰度突變?cè)韺?shí)現(xiàn)了對(duì)灰度圖像的邊緣檢測(cè)，可直接對(duì)256色灰度圖 像中的邊緣進(jìn)行有效檢測(cè)和提取，克服了其它方法在噪聲環(huán)境中發(fā)生檢測(cè)到的邊緣變寬、 斷裂等扭曲情況，并且處理速度大大提高，以此為基礎(chǔ)實(shí)現(xiàn)了的視頻識(shí)別技術(shù)達(dá)到國內(nèi)領(lǐng) 先水平。
【具體實(shí)施方式】
[0026] 下面將結(jié)合實(shí)施例詳細(xì)說明本發(fā)明所具有的有益效果，旨在幫助閱讀者更好地理 解本發(fā)明的實(shí)質(zhì)，但不能對(duì)本發(fā)明的實(shí)施和保護(hù)范圍構(gòu)成任何限定。
[0027] 首先，構(gòu)造一單層二維、局部連接的脈沖耦合神經(jīng)網(wǎng)絡(luò)，其中神經(jīng)元的個(gè)數(shù)等于灰 度圖像的像素?cái)?shù)，神經(jīng)元與各像素--對(duì)應(yīng)并連接，同時(shí)與相鄰的神經(jīng)元相連接，所構(gòu)造的 模型如下：
[0028] Fjk[i] = Sjk+Fjk[i-1] · eaF+VF · (M*Y[i-l]) jk
[0029] Ljk[i] = Ljk[i-1] · eaL+VL · (K*Y[i-l]) jk，
[0030] 式中K和M是連接權(quán)重矩陣，*表示卷積操作，Y為神經(jīng)元點(diǎn)火與否的信息，a L和 a F為時(shí)間衰減常量，\和V F為連接和饋入常量，Sjk為神經(jīng)元jk接受的外界刺激，在連接 調(diào)制部分，饋入輸入Fjk和連接輸入Ljk經(jīng)過調(diào)制后產(chǎn)生神經(jīng)元jk的內(nèi)活動(dòng)Ujk :
[0031] Ujk[i] = F.jk[i] · (l+β Ljk[i])，
[0032] 其中β為連接調(diào)制常量，神經(jīng)元的脈沖生成器根據(jù)內(nèi)活動(dòng)Ujk的一個(gè)階躍函數(shù)產(chǎn) 生二值輸出，并根據(jù)神經(jīng)元jk點(diǎn)火與否的狀態(tài)自動(dòng)調(diào)整閾值的大小，在時(shí)間i如果內(nèi)活動(dòng) Ujk比閾值函數(shù)Θ jk大，Yjk取值為1，稱神經(jīng)元jk點(diǎn)火，否則Yjk取值為0,稱神經(jīng)元未點(diǎn) 火，如果神經(jīng)元jk點(diǎn)火，則根據(jù)Ve對(duì)閾值函數(shù)進(jìn)行調(diào)整：
[0035] 其中α Θ為時(shí)間衰減常量，Ve為閾值常量，
[0036] 其次，根據(jù)如下步驟進(jìn)行圖像的處理：
[0037] 第一步，將圖像像素的灰度作為外部輸入從接收饋入輸入的樹突分支輸入相應(yīng)神 經(jīng)元，并將所有神經(jīng)元均設(shè)置為非點(diǎn)火狀態(tài)：YO = 1 ; ? = δ /2 ;
[0038] 第二步，對(duì)連接輸入進(jìn)行調(diào)制：L = L · eaL+VL · (Κ*Υ0);
[0039] 第三步，利用饋入輸入和連接輸入經(jīng)過調(diào)制后產(chǎn)生神經(jīng)元的內(nèi)活動(dòng)：U = F · (l+βυ ;
[0040] 第四步，根據(jù)閾值設(shè)置神經(jīng)元的點(diǎn)火狀態(tài)：
[0041] 第五步，如果F[i，j]的3*3鄰域內(nèi)YO與Y異或?yàn)?且相應(yīng)的Y不全為0或不全 為 1，E[i，j] = 255 ;否則 E[i，j] = 0 ;
[0042] 第六步，修正閾值 θ : Θ = Θ · e α θ+νθ · Y ;
[0043] 第七步，存儲(chǔ)第五步得到的點(diǎn)火狀態(tài)：YO = Y ;
[0044] 第八步，如果Θ小于255,回到第2步，否則下一步；
[0045] 第九步，得到E，即為邊緣檢測(cè)結(jié)果。
[0046] 以上所述的實(shí)施例僅僅是對(duì)本發(fā)明的優(yōu)選實(shí)施方式進(jìn)行描述，并非對(duì)本發(fā)明的范 圍進(jìn)行限定，在不脫離本發(fā)明設(shè)計(jì)精神的前提下，本領(lǐng)域普通技術(shù)人員對(duì)本發(fā)明的技術(shù)方 案作出的各種變形和改進(jìn)，均應(yīng)落入本發(fā)明權(quán)利要求書確定的保護(hù)范圍內(nèi)。
【主權(quán)項(xiàng)】
1. 一種基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的灰度圖像邊緣檢測(cè)方法，其特征如下： 首先，構(gòu)造一單層二維、局部連接的脈沖耦合神經(jīng)網(wǎng)絡(luò)，其中神經(jīng)元的個(gè)數(shù)等于灰度圖 像的像素?cái)?shù)，神經(jīng)元與各像素一一對(duì)應(yīng)并連接，同時(shí)與相鄰的神經(jīng)元相連接，所構(gòu)造的模型 如下： Fjk[i] =SjkFjk[i-l] ?eaF+VF ? (M*Y[i-l])jk Ljk[i] =Ljk[i-1] ?eaL+VL ? (K*Y[i-l]) jk, 式中K和M是連接權(quán)重矩陣，*表示卷積操作，Y為神經(jīng)元點(diǎn)火與否的信息，aL和aF為時(shí)間衰減常量，\和VF為連接和饋入常量，Sjk為神經(jīng)元jk接受的外界刺激，在連接調(diào) 制部分，饋入輸入Fjk和連接輸入Ljk經(jīng)過調(diào)制后產(chǎn)生神經(jīng)元jk的內(nèi)活動(dòng)Ujk: Ujk[i] =F.jk[i] ? (l+0Ljk[i])， 其中0為連接調(diào)制常量，神經(jīng)元的脈沖生成器根據(jù)內(nèi)活動(dòng)Ujk的一個(gè)階躍函數(shù)產(chǎn)生二 值輸出，并根據(jù)神經(jīng)元jk點(diǎn)火與否的狀態(tài)自動(dòng)調(diào)整閾值的大小，在時(shí)間i如果內(nèi)活動(dòng)Ujk 比閾值函數(shù)0jk大，Yjk取值為1，稱神經(jīng)元jk點(diǎn)火，否則Yjk取值為0,稱神經(jīng)元未點(diǎn)火， 如果神經(jīng)元jk點(diǎn)火，則根據(jù)Ve對(duì)閾值函數(shù)進(jìn)行調(diào)整：?Jk[i] = ?Jk[i-1]*ea〇+Ve *Yjk[i-l], 其中a0為時(shí)間衰減常量，Ve為閾值常量， 其次，根據(jù)如下步驟進(jìn)行圖像的處理： 第一步，將圖像像素的灰度作為外部輸入從接收饋入輸入的樹突分支輸入相應(yīng)神經(jīng) 元，并將所有神經(jīng)元均設(shè)置為非點(diǎn)火狀態(tài)：Y0 = 1 ; ? = 5 /2 ; 第二步，對(duì)連接輸入進(jìn)行調(diào)制：L=L?eaL+\ ?VdO^YO); 第三步，利用饋入輸入和連接輸入經(jīng)過調(diào)制后產(chǎn)生神經(jīng)元的內(nèi)活動(dòng)：U=F? (1+PL); 第四步，根據(jù)閾值設(shè)置神經(jīng)元的點(diǎn)火狀態(tài)第五步，如果F[i，j]的3*3鄰域內(nèi)Y0與Y異或?yàn)?且相應(yīng)的Y不全為0或不全為1，E[i，j] = 255 ;否則E[i，j] = 0 ; 第六步，修正閾值0 : ? ? ?ea °+V0 ?Y; 第七步，存儲(chǔ)第五步得到的點(diǎn)火狀態(tài)：Y0 =Y; 第八步，如果9小于255,回到第2步，否則下一步； 第九步，得到E，即為邊緣檢測(cè)結(jié)果。
【專利摘要】本發(fā)明公開了一種基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的灰度圖像邊緣檢測(cè)方法，其利用脈沖耦合神經(jīng)網(wǎng)絡(luò)的脈沖傳播及連接特性和灰度圖像中邊緣處的灰度突變?cè)韺?shí)現(xiàn)了對(duì)灰度圖像的邊緣檢測(cè)，可直接對(duì)256色灰度圖像中的邊緣進(jìn)行有效檢測(cè)和提取，克服了其它方法在噪聲環(huán)境中發(fā)生檢測(cè)到的邊緣變寬、斷裂等扭曲情況，并且處理速度大大提高，以此為基礎(chǔ)實(shí)現(xiàn)了的視頻識(shí)別技術(shù)達(dá)到國內(nèi)領(lǐng)先水平。
【IPC分類】G06T7/00
【公開號(hào)】CN105118045
【申請(qǐng)?zhí)枴緾N201510340624
【發(fā)明人】楊智勇
【申請(qǐng)人】江西師范大學(xué)
【公開日】2015年12月2日
【申請(qǐng)日】2015年6月18日