一種基于多通道脈沖耦合神經(jīng)網(wǎng)絡(luò)模型的融合方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及融合技術(shù)領(lǐng)域，特別是涉及一種基于多通道脈沖耦合神經(jīng)網(wǎng)絡(luò)模型的 融合方法及裝置。
【背景技術(shù)】
[0002] 脈沖親合神經(jīng)網(wǎng)絡(luò)（PCNN，PulseCoupledNeuralNetwork)是一種不同于傳統(tǒng)神 經(jīng)網(wǎng)絡(luò)的模型，它基于貓、猴等動(dòng)物的大腦皮層上的同步脈沖發(fā)放現(xiàn)象提出，不需要學(xué)習(xí)或 訓(xùn)練，能直接從復(fù)雜背景下提取有效信息，具有同步脈沖發(fā)放和全局耦合等特性，可廣泛用 于圖像處理、模式識別、決策優(yōu)化等。
[0003]由于經(jīng)典的脈沖耦合神經(jīng)網(wǎng)絡(luò)是單通道模型，所以其用于信息融合時(shí)需要多個(gè) PCNN模型與其他方法相結(jié)合使用，而且PCNN模型僅為融合系數(shù)的選擇提供參考依據(jù)，不參 與圖像的具體融合過程。但PCNN本身具有獨(dú)特的神經(jīng)元捕獲特性，能夠自動(dòng)實(shí)現(xiàn)信息的 傳遞和非線性耦合，具備直接用于圖像融合的理論基礎(chǔ)。因此，多通道PCNN模型（m-PCNN， multi-channelPCNN)對輸入通道進(jìn)行擴(kuò)展，使其可以同時(shí)接收多通道的信號輸入，直接在 模型內(nèi)進(jìn)行融合。
[0004] 與單通道PCNN的融合模型相比，m-PCNN模型簡單，融合速度快，且能保留較多的 源信號信息。但是，m-PCNN對不同通道的源信號進(jìn)行融合時(shí)，只能進(jìn)行疊加式增強(qiáng)融合，而 不同通道的源信號間并不一定是時(shí)時(shí)處處彼此增強(qiáng)的，可能存在著時(shí)而增強(qiáng)時(shí)而削弱的相 互影響，因此，提供一種更全面準(zhǔn)確的描述源信號間的相互關(guān)系的融合方法及裝置是非常 有必要的。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的是提供一種基于多通道脈沖耦合神經(jīng)網(wǎng)絡(luò)模型的融合方法及裝置， 目的在于解決現(xiàn)有對不同通道的源信號進(jìn)行融合時(shí)，只能進(jìn)行疊加式增強(qiáng)的問題。
[0006] 為解決上述技術(shù)問題，本發(fā)明提供一種基于多通道脈沖耦合神經(jīng)網(wǎng)絡(luò)模型的融合 方法，包括：
[0007] 獲取輸入多通道脈沖耦合神經(jīng)網(wǎng)絡(luò)模型中神經(jīng)元各通道的多個(gè)源信號；
[0008] 通過所述多個(gè)源信號以及鄰域內(nèi)的神經(jīng)元上一時(shí)刻輸出的脈沖信號，計(jì)算得到所 述神經(jīng)元各通道的信號數(shù)據(jù)；
[0009] 通過融合因子對所述各通道的信號數(shù)據(jù)進(jìn)行非線性融合，計(jì)算得到當(dāng)前時(shí)刻的融 合輸出數(shù)據(jù)；所述融合因子用于標(biāo)識各通道信號對融合結(jié)果的影響強(qiáng)弱和方向；
[0010] 根據(jù)所述融合輸出數(shù)據(jù)，計(jì)算得到融合結(jié)果。
[0011] 可選地，所述通過所述多個(gè)源信號以及鄰域內(nèi)的神經(jīng)元上一時(shí)刻輸出的脈沖信 號，計(jì)算得到所述神經(jīng)元各通道的信號數(shù)據(jù)包括：
[0012] 通過？(丨，」）位置處各通道的源信號4,/^..,4和？(丨，」）鄰域內(nèi)神經(jīng)元上一時(shí)刻 輸出的脈沖信號Y[t-1]，將外部激勵(lì)if與Y[t-ι]按公式//?/: +Λ?#，-η，計(jì)算得到 所述神經(jīng)元各通道的信號數(shù)據(jù)/<:;
[0013] 其中，t表示當(dāng)前時(shí)刻，Μ表示上一時(shí)刻鄰域輸出Υ的權(quán)值矩陣。
[0014] 可選地，所述通過融合因子對所述各通道的信號數(shù)據(jù)進(jìn)行非線性融合，計(jì)算得到 當(dāng)前時(shí)刻的融合輸出數(shù)據(jù)包括：
[0015] 通過融合因子^對所述各通道的信號數(shù)據(jù)進(jìn)行非線性融合，按照公式 = +4·〃,?ΚΙΗ%計(jì)算得到當(dāng)前時(shí)刻的融合輸出數(shù)據(jù)u1]; Μ.
[0016] 其中，〇u為水平因子，用來調(diào)整內(nèi)部活動(dòng)項(xiàng)的平均水平；％ >0表明通道k信號 可正向增強(qiáng)位置P(i，j)的信號融合結(jié)果，<<〇表明通道k信號會(huì)反向削弱位置P(i，j)的 信號融合結(jié)果，^=〇表明通道k信號對位置P(i，j)的信號融合結(jié)果無影響。
[0017] 可選地，所述根據(jù)所述融合輸出數(shù)據(jù)，計(jì)算得到融合結(jié)果包括：
[0018] 將所述融合輸出數(shù)據(jù)與點(diǎn)火閾值進(jìn)行比較；
[0019] 當(dāng)所述融合輸出數(shù)據(jù)大于所述點(diǎn)火閾值時(shí)，所述神經(jīng)元發(fā)放脈沖，并保持發(fā)放脈 沖狀態(tài)；
[0020] 當(dāng)所述融合輸出數(shù)據(jù)小于或等于所述點(diǎn)火閾值時(shí)，將脈沖發(fā)生器關(guān)閉，并對所述 點(diǎn)火閾值進(jìn)行調(diào)節(jié)，直至所述神經(jīng)元產(chǎn)生脈沖；
[0021] 當(dāng)所有位置對應(yīng)的神經(jīng)元均被點(diǎn)火一次時(shí)，所有神經(jīng)元停止迭代融合，計(jì)算得到 融合結(jié)果。
[0022] 可選地，所述當(dāng)所有位置對應(yīng)的神經(jīng)元均被點(diǎn)火一次時(shí)，所有神經(jīng)元停止迭代融 合，計(jì)算得到融合結(jié)果包括：
[0023] 當(dāng)所有位置對應(yīng)的神經(jīng)元均被點(diǎn)火一次時(shí)，所有神經(jīng)元停止迭代融合，并將此時(shí) 的融合結(jié)果進(jìn)行標(biāo)準(zhǔn)化轉(zhuǎn)換得到最終的融合結(jié)果。
[0024] 本發(fā)明還提供了一種基于多通道脈沖耦合神經(jīng)網(wǎng)絡(luò)模型的融合裝置，包括：
[0025] 獲取模塊，用于獲取輸入多通道脈沖耦合神經(jīng)網(wǎng)絡(luò)模型中神經(jīng)元各通道的多個(gè)源 信號；
[0026] 第一計(jì)算模塊，用于通過所述多個(gè)源信號以及鄰域內(nèi)的神經(jīng)元上一時(shí)刻輸出的脈 沖信號，計(jì)算得到所述神經(jīng)元各通道的信號數(shù)據(jù)；
[0027] 第二計(jì)算模塊，用于通過融合因子對所述各通道的信號數(shù)據(jù)進(jìn)行非線性融合，計(jì) 算得到當(dāng)前時(shí)刻的融合輸出數(shù)據(jù)；所述融合因子用于標(biāo)識各通道信號對融合結(jié)果的影響強(qiáng) 弱和方向；
[0028] 第三計(jì)算模塊，用于根據(jù)所述融合輸出數(shù)據(jù)，計(jì)算得到融合結(jié)果。
[0029] 可選地，所述第一計(jì)算模塊具體用于：通過P(i，j)位置處各通道的源信號 '<，...，/,；：和P(i，j)鄰域內(nèi)神經(jīng)元上一時(shí)刻輸出的脈沖信號Y[t_l]，將外部激勵(lì)/|與 Y[t-1]按公式/<Μ= <+Α??η>-1]，計(jì)算得到所述神經(jīng)元各通道的信號數(shù)據(jù)其中，t表示當(dāng)前時(shí)刻，Μ表示上一時(shí)刻鄰域輸出Υ的權(quán)值矩陣。
[0030] 可選地，所述第二計(jì)算模塊具體用于：通過融合因子4對所述各通道的信號數(shù)據(jù) ?進(jìn)行非線性融合，按照公式<|'人七]=11[(1 + 4*〃^小+%計(jì)算得到當(dāng)前時(shí)刻的融合輸出 數(shù)據(jù)υ1];其中〇 ^為水平因子，用來調(diào)整內(nèi)部活動(dòng)項(xiàng)的平均水平；# >〇表明通道k信號 可正向增強(qiáng)位置P(i，j)的信號融合結(jié)果，Λ?<0表明通道k信號會(huì)反向削弱位置P(i，j)的 信號融合結(jié)果，< =〇表明通道k信號對位置Ρα，j)的信號融合結(jié)果無影響。
[0031] 可選地，所述第三計(jì)算模塊包括：
[0032] 比較器，用于將所述融合輸出數(shù)據(jù)與點(diǎn)火閾值進(jìn)行比較；
[0033] 脈沖產(chǎn)生器，用于當(dāng)所述融合輸出數(shù)據(jù)大于所述點(diǎn)火閾值時(shí)，所述神經(jīng)元發(fā)放脈 沖，并保持發(fā)放脈沖狀態(tài)；
[0034] 閾值調(diào)節(jié)器，用于當(dāng)所述融合輸出數(shù)據(jù)小于或等于所述點(diǎn)火閾值時(shí)，將脈沖發(fā)生 器關(guān)閉，并對所述點(diǎn)火閾值進(jìn)行調(diào)節(jié)，直至所述神經(jīng)元產(chǎn)生脈沖；
[0035] 計(jì)算單元，用于當(dāng)所有位置對應(yīng)的神經(jīng)元均被點(diǎn)火一次時(shí)，所有神經(jīng)元停止迭代 融合，計(jì)算得到融合結(jié)果。
[0036] 可選地，所述計(jì)算單元具體用于：當(dāng)所有位置對應(yīng)的神經(jīng)元均被點(diǎn)火一次時(shí)，所有 神經(jīng)元停止迭代融合，并將此時(shí)的融合結(jié)果進(jìn)行標(biāo)準(zhǔn)化轉(zhuǎn)換得到最終的融合結(jié)果。
[0037] 本發(fā)明所提供的基于多通道脈沖耦合神經(jīng)網(wǎng)絡(luò)模型的融合方法及裝置，通過獲取 輸入多通道脈沖耦合神經(jīng)網(wǎng)絡(luò)模型中神經(jīng)元各通道的多個(gè)源信號；通過多個(gè)源信號以及鄰 域內(nèi)的神經(jīng)元上一時(shí)刻輸出的脈沖信號，計(jì)算得到神經(jīng)元各通道的信號數(shù)據(jù)；通過融合因 子對所述各通道的信號數(shù)據(jù)進(jìn)行非線性融合，計(jì)算得到當(dāng)前時(shí)刻的融合輸出數(shù)據(jù)；根據(jù)融 合輸出數(shù)據(jù)，計(jì)算得到融合結(jié)果?？梢?，本發(fā)明通過標(biāo)識各通道信號對融合結(jié)果的影響強(qiáng)弱 和方向的融合因子，既能夠表示多通道信號彼此間的增強(qiáng)關(guān)系，也能夠表示多通道信號彼 此間的削弱關(guān)系，從而提高了原有模型的描述能力和準(zhǔn)確性，擴(kuò)大了模型的應(yīng)用范圍。
【附圖說明】