一种基于脉冲耦合神经网络的灰度图像边缘检测方法

摘要

本发明公开了一种基于脉冲耦合神经网络的灰度图像边缘检测方法，其利用脉冲耦合神经网络的脉冲传播及连接特性和灰度图像中边缘处的灰度突变原理实现了对灰度图像的边缘检测，可直接对256色灰度图像中的边缘进行有效检测和提取，克服了其它方法在噪声环境中发生检测到的边缘变宽、断裂等扭曲情况，并且处理速度大大提高，以此为基础实现了的视频识别技术达到国内领先水平。

主权项

一种基于脉冲耦合神经网络的灰度图像边缘检测方法，其特征如下：首先，构造一单层二维、局部连接的脉冲耦合神经网络，其中神经元的个数等于灰度图像的像素数，神经元与各像素一一对应并连接，同时与相邻的神经元相连接，所构造的模型如下：F_jk[i]＝S_jkF_jk[i‑1]·e^αF+V_F·(M*Y[i‑1])_jkL_jk[i]＝L_jk[i‑1]·e^αL+V_L·(K*Y[i‑1])_jk，式中K和M是连接权重矩阵，*表示卷积操作，Y为神经元点火与否的信息，αL和αF为时间衰减常量，V_L和V_F为连接和馈入常量，Sjk为神经元jk接受的外界刺激，在连接调制部分，馈入输入Fjk和连接输入Ljk经过调制后产生神经元jk的内活动Ujk：U_jk[i]＝F_jk[i]·(1+βL_jk[i])，其中β为连接调制常量，神经元的脉冲生成器根据内活动Ujk的一个阶跃函数产生二值输出，并根据神经元jk点火与否的状态自动调整阈值的大小，在时间i如果内活动Ujk比阈值函数θjk大，Yjk取值为1，称神经元jk点火，否则Yjk取值为0，称神经元未点火，如果神经元jk点火，则根据V_θ对阈值函数进行调整：$Y_{\mathrm{jk}}\left[i\right]=\left\{\begin{array}{c}\begin{array}{ccc}1& \mathrm{if}& U_{\mathrm{jk}}\left[i\right]>{\Theta }_{\mathrm{jk}}\left[i\right]\end{array}\\ \begin{array}{cc}0& \mathrm{otherwise}\end{array}\end{array}\right.$Θ_jk[i]＝Θ_jk[i‑1]·e^‑αθ+V_Θ·Y_jk[i‑1]，其中αθ为时间衰减常量，V_θ为阈值常量，其次，根据如下步骤进行图像的处理：第一步，将图像像素的灰度作为外部输入从接收馈入输入的树突分支输入相应神经元，并将所有神经元均设置为非点火状态：Y0＝1；Θ＝δ/2；第二步，对连接输入进行调制：L＝L·e^αL+V_L·V₁*(K*Y0)；第三步，利用馈入输入和连接输入经过调制后产生神经元的内活动：U＝F·(1+βL)；第四步，根据阈值设置神经元的点火状态：$Y=\left\{\begin{array}{c}\begin{array}{ccc}1& \mathrm{of}& U>\Theta \end{array}\\ \begin{array}{cc}0& \mathrm{otherwise}\end{array}\end{array}\right.;$第五步，如果F[i,j]的3*3邻域内Y0与Y异或为0且相应的Y不全为0或不全为1，E[i,j]＝255；否则E[i,j]＝0；第六步，修正阈值θ：Θ＝Θ·e^‑αθ+V_Θ·Y；第七步，存储第五步得到的点火状态：Y0＝Y；第八步，如果θ小于255，回到第2步，否则下一步；第九步，得到E，即为边缘检测结果。