[发明专利]一种仿视觉感光层功能的图像多强度边缘检测方法

说明书

技术领域

本发明属于视觉神经计算领域，涉及一种仿视觉感光层功能的图像多强度边缘检测方法。

背景技术

图像的边缘或轮廓呈现出一种像素点灰度或亮度突变的特性，是图像的一种重要属性。因此边缘检测是图像处理、分析和理解的前期步骤，检测效果将直接影响到整个系统的性能。在实际应用中，图像存在着不同程度的边缘弱化问题，例如常见的渐变色边缘，传统检测方法对于此类边缘的检测效果并不理想。

发明内容

本发明考虑到：(1)对于图像中存在多强度边缘的情形，传统方法边缘检测的效果不理想，尤其是会丢失弱边缘的细节点；而在很多应用场合中，包含弱边缘在内的多强度边缘却是一种不可忽视的重要信息；(2)传统方法通常从数学梯度算子的角度入手，忽视了视觉生理特性在边缘检测中的重要作用，检测结果难以满足对图像多强度边缘的视觉感知效果。因此本发明利用视觉感光层的一些重要神经电生理特性，模拟感光层神经元的脉冲发放机制，提出了一种仿视觉感光层功能的图像多强度边缘检测方法，发挥视觉生理特性在图像边缘感知的独特优势。

本发明提出了一种仿视觉感光层功能的图像多强度边缘检测方法，包括以下步骤：

步骤(1)避免视觉系统的适应性，将原图像进行多方向多尺度移动。设置某一移动距离尺度，对图像进行多方向移动操作。

步骤(2)构建感光层神经元网络，其中单个神经元的模型采用LIF模型。设置记录神经元脉冲发放的观察时间，并将观察时间划分成若干个滑动时间窗口，将第一个滑动时间窗口设为当前分析时间窗口。

步骤(3)将原图像以及移动后的图像分别依次输入到感光层神经元网络中，网络中的神经元与输入图像的像素点一一对应。记录当前分析时间窗内神经元网络所有神经元的脉冲发放，并根据发放的差异判决神经元属于ON类型或者OFF类型。

步骤(4)构建一个3×3的模板，与感光层神经元网络的3×3区域进行匹配；利用感受野特性构建一个判决器，根据模板内神经元类型差异情况对中心神经元的反馈系数进行即时调整，而该系数的变化将在下一个滑动时间窗口内对中心神经元产生不同程度的兴奋性或者抑制性作用。将模板对感光层神经元网络进行遍历，按上述方法对每个神经元进行作用。

步骤(5)将下一个滑动时间窗口设为当前分析时间窗口，重复步骤(3)和步骤(4)，直至观察时间结束，最终获得观察时间内的神经元网络各个神经元的脉冲发放信息。

步骤(6)将原图像和各移动图像所对应的感光层神经元脉冲发放信息进行对比，按规则获得当前移动距离尺度下，各移动方向的图像多强度边缘检测结果。

步骤(7)将当前移动距离尺度下，各移动方向的图像多强度边缘检测结果进行融合，最终获得当前移动距离尺度下图像多强度边缘检测结果。

步骤(8)调整移动距离尺度，重复步骤(1)～(7)，融合不同移动距离尺度下的图像多强度边缘检测结果信息，以实现去噪功能，按色彩映射规则获得最终的图像多强度边缘检测结果。

本发明具有的有益效果为：

1、使用符合神经生理特性的LIF神经元模型，构建了具有抑制性或兴奋性突触作用的感光层神经元网络。

2、对感光层神经元的抑制性或兴奋性类型进行判别，同时结合了视觉感光层在视觉感知中的一些重要特性，利用ON和OFF两类不同神经元在感知多强度边缘时的互补作用，并以此为基础进行了仿视觉感光层功能的图像多强度边缘检测。

3、考虑了图像多方向多尺度移动对于感光层神经元检测多强度边缘的影响，提出通过调节图像移动距离尺度来实现噪声的滤除。

附图说明

图1为某移动距离尺度下的边缘检测流程图。

图2为不同移动距离单元尺度下的边缘信息融合图。

图3为感光层神经网络模型图。

具体实施方式

本发明利用了兴奋性(ON)和抑制性(OFF)两类感光层神经元在信息编码时的重要作用，通过感光层神经元的脉冲发放频度并结合图像多方向多尺度移动对于感光层神经元检测多强度边缘的影响来刻画图像中的多强度边缘；通过调节移动尺度来实现噪声的滤除得到最终的图像多强度边缘。本发明面向图像多强度边缘检测问题，构建神经元网络对视觉感光层的一些重要特性进行模拟，与传统方法相比，能获得较满意的边缘检测效果。

本发明具体实施方法如图1和图2所示。