一種基于pcnn神經(jīng)元激活率和群離散度的區(qū)域特征提取方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于一種聲納圖像目標(biāo)區(qū)域的特征提取方法，尤其涉及一種能夠提取目標(biāo) 區(qū)域像素值分布特征的，基于PCNN神經(jīng)元激活率和群離散度的區(qū)域特征提取方法。
【背景技術(shù)】
[0002] 隨著科技的發(fā)展，以人類為代表的哺乳動(dòng)物對(duì)于圖像的識(shí)別能力仍然是機(jī)器望塵 莫及的，因此大量國(guó)內(nèi)外科研工作者不斷探索和模擬動(dòng)物的視覺神經(jīng)系統(tǒng)，雖然神經(jīng)網(wǎng)絡(luò) 的研究經(jīng)歷了一個(gè)又一個(gè)低潮，但是科學(xué)家們的腳步從未停止。隨著第三代神經(jīng)網(wǎng)絡(luò)PCNN 的提出，對(duì)于神經(jīng)網(wǎng)絡(luò)的研究進(jìn)入了一個(gè)新的篇章，2005年Lindblad和Kinser在其PCNN 研究專著的第二版闡述了基于哺乳動(dòng)物視覺皮層神經(jīng)元的人工神經(jīng)網(wǎng)絡(luò)，使人們?cè)跈C(jī)器視 覺研究方面前進(jìn)了一大步，針對(duì)動(dòng)物大腦如何對(duì)圖像進(jìn)行處理的研究方面又有了很多新的 成果。比如Johnson提出利用PCNN網(wǎng)絡(luò)將二維圖像轉(zhuǎn)換成一維脈沖序列的思想，一些研究 者提出用 PCNN 把圖像分層的方法。文獻(xiàn) l:Bo Yu ;Liming Zhang. Pulse-Coupled Neural Networks for Contour and Motion Matchings. 2004 IEEE TRANSACTIONS ON NEURAL NETWORKS，pll86-1201，2004,這篇文獻(xiàn)利用PCNN的鏈?zhǔn)絺鲗?dǎo)激活方法對(duì)理想圖形的邊緣 進(jìn)行匹配識(shí)別。文獻(xiàn)2:劉勅，馬義德.基于直方圖矢量重心的PCNN圖像目標(biāo)識(shí)別新方 法.電子技術(shù)應(yīng)用，No. 10, 2006。文獻(xiàn)3:劉勅，許錄平，馬義德，張華.結(jié)合灰度熵變換的 PCNN小目標(biāo)圖像檢測(cè)新方法.北京理工大學(xué)學(xué)報(bào)，Vol. 29, No. 12, 2009。這兩篇文獻(xiàn)利用 賦時(shí)矩陣來(lái)描述圖像特征用于識(shí)別等。
[0003] 總的來(lái)說(shuō)，利用PCNN進(jìn)行圖像識(shí)別的論文可以分為兩大類：一類是構(gòu)建更加復(fù)雜 的PCNN結(jié)構(gòu)，把增加網(wǎng)絡(luò)的復(fù)雜性作為一種創(chuàng)新；第二類通過(guò)統(tǒng)計(jì)PCNN發(fā)生群激活的神經(jīng) 元個(gè)數(shù)進(jìn)行分析，以此進(jìn)行圖像的分割、去噪。這些做法存在兩方面不足，一是忽略了 PCNN 鄰域神經(jīng)元對(duì)主神經(jīng)元的動(dòng)態(tài)影響，沒有體現(xiàn)鄰域主、輔神經(jīng)元的動(dòng)態(tài)聯(lián)系；另一方面忽視 了 PCNN多個(gè)神經(jīng)元同時(shí)發(fā)生提前激活的神經(jīng)元分布特點(diǎn)，沒有利用提前激活神經(jīng)元的分 布特性。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的是提供一種計(jì)算復(fù)雜度小，分類效果好的，基于PCNN神經(jīng)元激活率 和群離散度的區(qū)域特征提取方法。
[0005] 本發(fā)明是通過(guò)以下技術(shù)方案實(shí)現(xiàn)的：
[0006] -種基于PCNN神經(jīng)元激活率和群離散度的區(qū)域特征提取方法，包括以下幾個(gè)步 驟：
[0007] 步驟一：采集原始圖像，對(duì)原始圖像進(jìn)行預(yù)處理，分割出目標(biāo)區(qū)域的輪廓，將神經(jīng) 網(wǎng)絡(luò)PCNN與圖像對(duì)應(yīng)，將中心神經(jīng)元與圖像的像素點(diǎn)對(duì)應(yīng)，中心神經(jīng)元的鄰域與鄰域像素 點(diǎn)對(duì)應(yīng)，神經(jīng)元的輸入為像素點(diǎn)的灰度值；
[0008] 步驟二：通過(guò)設(shè)置PCNN神經(jīng)元的閾值參數(shù)，將0~255的灰度范圍根據(jù)目標(biāo)區(qū)域 劃分成N個(gè)灰度區(qū)間，將灰度區(qū)間按照灰度值從大到小的順序排列；
[0009] 步驟三：讀取當(dāng)前第k個(gè)灰度區(qū)間，得到當(dāng)前灰度區(qū)間內(nèi)發(fā)生群激活的神經(jīng)元，發(fā) 生群激活的神經(jīng)元對(duì)應(yīng)的像素值在當(dāng)前灰度區(qū)間對(duì)應(yīng)的灰度范圍內(nèi)；
[0010] 步驟四：統(tǒng)計(jì)發(fā)生群激活神經(jīng)元的領(lǐng)域內(nèi)受激勵(lì)神經(jīng)元個(gè)數(shù)λ，重新計(jì)算發(fā)生群 激活神經(jīng)元的領(lǐng)域內(nèi)受激勵(lì)神經(jīng)元的內(nèi)部活動(dòng)項(xiàng)的值，如果受激勵(lì)神經(jīng)元的內(nèi)部活動(dòng)項(xiàng)的 值位于當(dāng)前灰度區(qū)間對(duì)應(yīng)的灰度范圍內(nèi)，則當(dāng)前受激勵(lì)神經(jīng)元為提前激活神經(jīng)元，記錄下 提前激活神經(jīng)元對(duì)應(yīng)像素點(diǎn)的坐標(biāo)；
[0011] 步驟五：統(tǒng)計(jì)提前激活神經(jīng)元個(gè)數(shù)λ '，得到群激活率和群離散度：
【主權(quán)項(xiàng)】
1. 一種基于PCNN神經(jīng)元激活率和群離散度的區(qū)域特征提取方法，其特征在于，包括以 下幾個(gè)步驟： 步驟一：采集原始圖像，對(duì)原始圖像進(jìn)行預(yù)處理，分割出目標(biāo)區(qū)域的輪廓，將神經(jīng)網(wǎng)絡(luò) PCNN與圖像對(duì)應(yīng)，將中心神經(jīng)元與圖像的像素點(diǎn)對(duì)應(yīng)，中心神經(jīng)元的鄰域與鄰域像素點(diǎn)對(duì) 應(yīng)，神經(jīng)元的輸入為像素點(diǎn)的灰度值； 步驟二：通過(guò)設(shè)置PCNN神經(jīng)元的閾值參數(shù)，將O~255的灰度范圍根據(jù)目標(biāo)區(qū)域劃分 成N個(gè)灰度區(qū)間，將灰度區(qū)間按照灰度值從大到小的順序排列； 步驟三：讀取當(dāng)前第k個(gè)灰度區(qū)間，得到當(dāng)前灰度區(qū)間內(nèi)發(fā)生群激活的神經(jīng)元，發(fā)生群 激活的神經(jīng)元對(duì)應(yīng)的像素值在當(dāng)前灰度區(qū)間對(duì)應(yīng)的灰度范圍內(nèi)； 步驟四：統(tǒng)計(jì)發(fā)生群激活神經(jīng)元的領(lǐng)域內(nèi)受激勵(lì)神經(jīng)元個(gè)數(shù)λ，重新計(jì)算發(fā)生群激活 神經(jīng)元的領(lǐng)域內(nèi)受激勵(lì)神經(jīng)元的內(nèi)部活動(dòng)項(xiàng)的值，如果受激勵(lì)神經(jīng)元的內(nèi)部活動(dòng)項(xiàng)的值位 于當(dāng)前灰度區(qū)間對(duì)應(yīng)的灰度范圍內(nèi)，則當(dāng)前受激勵(lì)神經(jīng)元為提前激活神經(jīng)元，記錄下提前 激活神經(jīng)元對(duì)應(yīng)像素點(diǎn)的坐標(biāo)； 步驟五：統(tǒng)計(jì)提前激活神經(jīng)元個(gè)數(shù)λ '，得到群激活率和群離散度：
其中X，y是每個(gè)灰度區(qū)間提前激活神經(jīng)元對(duì)應(yīng)像素點(diǎn)的坐標(biāo)，
步驟六：令當(dāng)前灰度區(qū)間內(nèi)的發(fā)生群激活和提前激活神經(jīng)元對(duì)應(yīng)的像素點(diǎn)值為0,令k =k+l，重復(fù)步驟三到步驟六，直到k = N。
【專利摘要】本發(fā)明公開了一種基于PCNN神經(jīng)元激活率和群離散度的區(qū)域特征提取方法。包括以下步驟：步驟一：對(duì)原始圖像進(jìn)行預(yù)處理，將神經(jīng)網(wǎng)絡(luò)PCNN與圖像對(duì)應(yīng)；步驟二：將0～255的灰度范圍根據(jù)目標(biāo)區(qū)域劃分成N個(gè)從大到小的灰度區(qū)間；步驟三：得到當(dāng)前灰度區(qū)間內(nèi)發(fā)生群激活的神經(jīng)元；步驟四：統(tǒng)計(jì)發(fā)生群激活神經(jīng)元的領(lǐng)域內(nèi)受激勵(lì)神經(jīng)元個(gè)數(shù)，判斷發(fā)生提起激活的神經(jīng)元；步驟五：統(tǒng)計(jì)提前激活神經(jīng)元個(gè)數(shù)，得到群激活率和群離散度；步驟六：讀取下一個(gè)灰度區(qū)間，重復(fù)步驟三到步驟六，直到第N個(gè)區(qū)間。本發(fā)明具有計(jì)算復(fù)雜度小，分類效果好的優(yōu)點(diǎn)。
【IPC分類】G06K9-62, G06K9-46
【公開號(hào)】CN104636753
【申請(qǐng)?zhí)枴緾N201510056549
【發(fā)明人】卞紅雨, 李曙光, 張志剛, 張健, 陳奕名, 韓冷, 劉珈麟
【申請(qǐng)人】哈爾濱工程大學(xué)
【公開日】2015年5月20日
【申請(qǐng)日】2015年2月4日