[发明专利]使用神经网络的图像处理

权利要求书

1.一种图像处理方法，其中每个图像由图像点阵列组成，特别地图像点即所谓分别在二维、三维或更多维空间中的像素或体素，每个图像点由其在图像点阵列内的位置和定义了关于明亮、灰度、色度等特性的该图像点外部特征的一个或多个数值参数来唯一地定义，并且其中每个图像点被当作是人工神经网络的节点，其中根据把每个像素的外部特征定义为所述人工神经网络的节点的值的参数和根据把每个处理中像素与预定像素子集中的像素所组成的邻居像素、特别是与所述处理中像素的邻居像素即所述像素窗的连接来处理所述图像，

同时，通过定义了所述外部特征的参数的迭代演化步骤，诸如所述节点值的演化步骤，或通过该组连接的值的迭代演化步骤，或通过所述演化的组合来获得新图像即经处理的图像的像素，

其特征在于，所述处理通过演化迭代步骤发生，其中每个步骤还是邻居像素与检查中像素的连接的函数，当该检查中像素的所述邻居像素中的每个还被当作是邻近于所述邻居像素的一个或多个或全部像素的邻居像素时，该函数是用于确定所有其它像素的外部特征值的即时反馈贡献，其中所述图像的每个像素的外部特征值有助于确定由所述迭代步骤产生的新图像的所有其它像素的新的外部特征值。

2.如权利要求1所述的方法，特征在于在处理结束时获得的连接矩阵被用来生成构成所述处理产生的新图像的图像点(像素或体素)的矩阵。

3.如权利要求1或2所述的方法，特征在于它包括用来演化图像点和/或所述图像点的连接矩阵的方程，其中不仅考虑邻居图像点的值及它们与中心图像点的连接，而且考虑当所述邻居图像点的每个被当作是每个邻近的图像点的邻居图像点时和当后者被当作是中心图像点并且在每个处理周期提供所述方程的迭代时导出的随后顺序关系，因此每个图像点借助于用来传播贡献的邻居图像点如波一样向远处的每个图像点给出其自己的贡献。

4.如先前权利要求中的一个或多个所述的方法，特征在于它包括用来确定给定图像的每个图像点或像素或体素的连接的值的演化的处理步骤，所述处理步骤结合用于确定所述给定图像的每个图像点或像素或体素的内部状态的值的演化的处理步骤。

5.如先前权利要求中的一个或多个所述的方法，特征在于用来确定所述给定图像的每个图像点或像素或体素的连接值的演化的整个处理步骤由下列方程组成，其中以下定义是有效的：

Wi,j[0]=0.0;]]>在任何两个像素之间的连接的初始值。

u_i∈[-1+α，1+α]；所述给定图像的所有像素值的初始量度。

α＝像素值的量度阈值。

x^[n]＝x在n步骤；在特定处理周期的任何变量(连接，像素等)。

Pi[n]=i-th]]>在n步骤的像素；

Outi[n]=i-th]]>在n步骤的输出；

Si[n]=i-th]]>在n步骤的状态；

N＝邻居节点。

并且这样的整个处理可以被分为由如下四个方程定义的四个步骤：

(方程1)Di=ΣjN(uj[n]-Wi,j[n]);]]>

其中，因子D_i仅是在每个图像点即每个像素的值和中心图像点或像素与之连接的权重之间的差异和。

(方程2)Ji=eDi-e-DieDi+e-Di;]]>

其中，变量J_i是对因子D_i应用双曲正切函数的结果，以确定以下效果：

-在有限区间中封闭可能的D_i值；

-向可能的D_i值提供平滑的S型形状；

-利用在每个点可微的函数来操作。

(方程3)

ΔWi,j[n]=-(ui[n]·Ji)·(-2·Ji)·(1-Ji2)·(uj[n]-Wi,j[n])]]>

包括如下三个分量：

a)第一分量-(u_i^[n]·J_i)，根据其邻居(权重和像素)利用变量J_i加权所述中心图像点或中心像素的值，同时它反转了在符号间的经典数学关系，特别是例如一致性生成负值，而不一致性生成正值；

b.方程(3)的第二分量(-2·J_i)·(1-J_i²)是J_i的二阶导数，用于分析在邻居图像点或像素和与之连接的中心图像点或中心像素之间的变化如何改变；

c.方程(3)的第三分量通过在每个邻居图像点或像素和中心图像点或中心像素与之相连的权重之间的差来加权整个方程。

(方程4)Wi,j[n+1]=Wi,j[n]+ΔWi,j[n];]]>

其中，更新用于把所述中心图像点或中心像素连接到其邻居的每个图像点或像素的权重。