[发明专利]基于脉冲卷积神经网络的战场目标图像阈值分割方法

权利要求书

1.一种基于脉冲卷积神经网络的战场目标图像阈值分割方法，其特征在于，所述方法包括以下步骤：

步骤1，利用多重卷积模板提取战场目标图像基本特征；

步骤2，建立IF神经元模型；

步骤3，通过初始化神经元模型参数、采用首脉冲触发方法对战场目标图像基本特征进行编码，搭建“输入层——中间层——输出层”的脉冲神经网络拓扑结构；

步骤4，利用感受野整合输入层脉冲序列，计算得到中间层每一个神经元与输入层神经元之间的连接权值，同时基于IF神经元模型计算中间层神经元的瞬时膜电位；

步骤5，基于阈值分割原理完成战场目标图像分割。

2.根据权利要求1所述的基于脉冲卷积神经网络的战场目标图像阈值分割方法，其特征在于，步骤1所述利用多重卷积模板提取战场目标图像基本特征，具体包括：

利用卷积对战场目标图像的每个像素进行加权求和，从而提取战场目标不同层次的特征，具体公式为：

式中，S为卷积核运算结果，I为滑动窗口对应的战场目标图像，K为卷积核，(i,j)对应输出数据的位置，(m,n)为输入的像素在滑窗中的位置。

3.根据权利要求1或2所述的基于脉冲卷积神经网络的战场目标图像阈值分割方法，其特征在于，步骤2所述建立IF神经元模型，具体过程包括：

以IF神经元为基本组成构建网络模型，特征公式如下式：

式中，τ_m＝C_mR_m，C_m为膜电容，R_m为膜电阻，τ_m为膜时间常量，I为突触输入或外部注入电流，/为通过膜电阻R_m的电流，/为膜电容C_m充电电流，V为膜电位，V_rest为静息电位；

不提供外部注入电流，模型可简化为：

4.根据权利要求3所述的基于脉冲卷积神经网络的战场目标图像阈值分割方法，其特征在于，步骤3所述通过初始化神经元模型参数、采用首脉冲触发方法对战场目标图像基本特征进行编码，搭建“输入层——中间层——输出层”的脉冲神经网络拓扑结构，具体过程包括：

步骤3-1，将战场目标基本特征编码转换为脉冲形式，采用首脉冲触发时间编码策略，转换公式如下式：

/

式中，t^f表示由像素灰度值编码的脉冲发放时间，T_max表示像素灰度值编码脉冲的最大发放时间，P表示图像的灰度值，δ表示无限接近于0的正常数；

步骤3-2，对IF神经元模型参数进行初始化，相应阈值参数具体设置如下：

式中，V_rest为静息电位，V_thresh为阈值电位，τ_m为膜时间常量；

步骤3-3，构建战场目标图像分割的三层脉冲神经网络模型：

(1)第一层为特征图像输入层，用于输入步骤3-1转换好的脉冲序列，所有像素都对应一个接收器；

(2)第二层为中间层，每个神经元对应一个输入层的感受野，整合来自感受野中的脉冲序列；

(3)第三层为输出层，通过阈值反应中间层的脉冲输出，通过脉冲发放时间图表示相应输入层图像的分割结果；

基于上述三层网络，完成脉冲神经网络拓扑结构的搭建。