基于修正交叉视觉皮质模型的图像分割方法

提出了一种基于修正交叉视觉皮质模型(MICM)的图像自适应分割新方法.根据待分割图像的自身特性,自适应地设定参数,并以互信息量为目标函数选取最佳分割结果.该方法解决了针对不同的图像需要人工设定交叉皮质模型(ICM)参数和需要人工选取最佳分割结果的2个问题.实验结果表明,与通过大量实验获得模型参数的脉冲耦合神经网络(PCNN)基本模型和ICM基本模型相比,MICM与其综合评价函数值相近;与模糊聚类分割算法和最大类间方差(OTSU)算法相比,MICM算法有较明显的视觉优势,并且其综合评价函数值也分别提高了约15%和13%.

基于交叉视觉皮质模型的彩色图像自动分割方法

通过对传统彩色图像分割方法的分析,结合最新的交叉视觉皮质模型,给出了一种新的彩色图像自动分割算法。将图像转换到HSV色彩空间,并利用判决机制选择熵最大的分量进行分割,与传统的对H,S,V分别进行处理并将处理结果合并作为分割结果的方法相比,传统HSV方法耗时7.533s,该算法整个处理过程耗时2.57s,约为传统HSV方法耗时的三分之一,大大提高了处理的速度;将最大类间交叉熵判决机制引入到交叉视觉皮质模型中,从而实现图像自动分割,避免了人为干预,提高了分割的准确性。将该方法与基于最大香农熵的分割方法进行了比较,仿真结果表明,该算法对于彩色图像自动分割具有良好的性能。

基于交叉视觉皮质模型二值图像形态学算法

交叉视觉皮质模型（ICM）的神经元受到二值图像中背景信息的激发并将点火信息在神经网络中并行传播,根据ICM具有相似神经元同步激发从而产生脉冲输出的特性,研究和实现了图像形态学的腐蚀、膨胀和骨架化.实验结果表明,利用ICM对二值图像处理的结果等同于数学形态学中的处理结果,且较传统数学形态学中的处理效率平均快3～5倍.

基于交叉视觉皮质模型的真实图像再现方法

真实图像再现技术旨在实现人类视觉对场景的真实认知,兼顾低动态范围图像增强和高动态范围图像色调映射的双重任务。该文首先对真实图像再现技术进展作了总结和分析,着重指出了视觉系统相关思路和方法,进而提出基于邻域强化连接交叉视觉皮质模型的统一框架,设计了算法流程,实现了不同动态范围图像在显示端真实再现的目标。仿真实验表明该方法尤其对于非均匀光照图像,能够提高亮度动态范围和调整对比度,同时能够保证高动态图像的高视觉质量显示。

基于交叉视觉皮质模型的骨架伪分支剔除方法

为解决骨架伪分支剔除过程中目标几何尺寸失真和处理效率低下的问题,提出一种基于交叉视觉皮质模型的图像骨架伪分支剔除算法。首先,依据骨架伪分支的固有特征,引入并修正了骨架分支端点和连接点的定义,以准确获取骨架分支与伪分支的位置信息;然后,利用这些点的位置信息和交叉视觉皮质模型循环点火次数,构建出交叉视觉皮质神经元传播的熄火条件;最后,在熄火条件的指引下,借助点火神经元动态发放的脉冲具有并行传播的生物性能,从而快速判断并准确剔除伪分支。与传统数学形态学方法的比较实验结果表明,该算法不仅计算速度快,抗噪能力强,而且能够保持骨架结构的完整性。

用于脉冲噪声图像的交叉视觉皮质模型滤波

脉冲噪声点与其局部周围所在图像像素灰度值之间有很大的差异，导致了交叉视觉皮质模型（ICM）中神经元激发顺序的不同，根据ICM所具有相似神经元同步激发从而产生脉冲输出的特性，对脉冲噪声点进行定位和自适应滤波．结果表明：文中方法处理的受脉冲噪声污染的图像的信噪比较其他非线性滤波器的处理结果提高50％～60％，运算耗时仅为其他非线性滤波器的20％～30％；同时，比其他非线性滤波方案更有效地保持了图像的高频细节信息，给图像的后期处理和识别打下了很好的基础．

基于交叉视觉皮质模型的非结构化道路检测算法

针对传统非结构化道路检测算法对各种复杂路面环境通用性不强且计算复杂度高的问题,提出了一种基于交叉视觉皮质模型(ICM)的道路检测算法。ICM具有接近生物视觉信息处理机制的特点,能够根据像素及其邻域的相关性动态区分目标和背景。基于ICM分割算法需要解决的问题是最佳分割阈值和循环迭代次数的确定,提出了采用最小交叉熵判决机制确定最佳分割阈值与循环迭代次数,从而避免了人为干预,提高了分割速度。实验结果表明,该算法不仅能够实现道路图像的精确分割,而且对一些非常规路况的适应性较强。

交叉视觉皮质模型中向心自动波的实现

对交叉视觉皮质模型神经元运行机理进行了深入研究,分析了以向心自动波为解决方式的构造方法,指出Kinser向心自动波的构造方式存在的问题;从曲线演化的线性热流和形态学中值集两个角度设计了向心自动波的具体实现方式,解决了交叉视觉皮质模型迭代过程中所产生的干涉现象.

基于改进交叉视觉皮质模型的图像分割新方法

从人类视觉特性出发,将具有"中心抑制,周边加强"性能的人眼视觉侧抑制现象与交叉视觉皮质模型相结合,形成了一种与人类视觉保持一致的适合图像分割的侧抑制-交叉视觉皮质模型。在此基础上,利用灰度级-邻域平均灰度级二维直方图,将一维卡方散度推广至二维,构造出了基于最小二维卡方散度的分割准则,进而提出一种实时性高的图像分割新算法。实验仿真表明,这种分割算法效果优于原始ICM算法和经典的Otsu算法,同时该准则计算速度远高于基于二维最小交叉熵准则的计算速度。

交叉视觉皮质模型的格论分析

从格论角度对有生物学背景的交叉视觉皮质模型(ICM)在图像处理中的脉冲并行传播特性进行了分析.格论中,图像为高维空间上的一个点集,ICM对图像的处理即找到一种映射关系,使点集变为偏序集.通过ICM对二值图像、灰度图像及彩色图像处理过程的分析可以得到ICM进行图像处理时脉冲并行传播特性的格论基础,为具有生物学背景的ICM图像处理应用建立了数学依据.

基于改进交叉视觉皮质模型的彩色图像增强

为了获得更加符合人眼生理视觉感知的图像,提出了一种在HIS空间上的基于改进的交叉视觉皮质模型(ICM)的彩色图像增强算法。在分析传统ICM工作机制的基础上,保留原模型的基本特性,对模型中的内部活动项和动态阈值部分进行改进,将线性衰减变为非线性,满足了人眼对亮度感知的非线性;同时将衰减因子变为步长的减法,降低了算法复杂度并增强了算法的自适应性。结合图像增强的原理,对亮度分量采用符合视觉属性的阈值强度函数,同时对饱和度分量进行非线性处理。实验表明用该算法能获得更加清晰、鲜艳生动的处理结果。

基于交叉视觉皮质模型的军用机器人道路识别

针对地面作战军用机器人非结构化道路识别,提出一种改进的具有生物学背景的交叉视觉皮质模型(ICM)方法,将非结构化道路分分割为道路区域和非道路区域。首先将非结构化道路图像从RGB颜色空间变换到HSI空间模型,并对HIS三个分量图像进行了快速中值滤波及直方图均衡化等预处理。然后对预处理后的图像通过改进的交叉视觉皮质模型(ICM)进行道路分割。并采用二维最小Tsallis交叉熵作为分割准则,可自动地确定分割阈值以及循环迭代次数,避免了人为干预,提高了分割速度。通过实验分析,上述方法具有与传统的图像分割算法相比,具有精度高、适应性强、分割速度快、分割质量接近最佳的特点。

一种基于交叉视觉皮质模型的图像编码算法

根据交叉视觉皮质模型(ICM)具有的图像分块功能对图像分块。利用已有的寻找拐点(corner点)方法寻找分块后的corner点,接着对corner点所影响的区域进行无损编码,对不受影响的点进行有损编码(DCT编码)。实验证明,这种编码在保证一定压缩率的情况下可以清晰地显示图像的关键点(也即corner点)所影响的区域。

改进交叉视觉皮质模型的医学图像融合方法

传统的交叉视觉皮质层模型(intersecting cortical model,ICM)在图像边缘检测和图像的分割等领域得到了广泛的应用,但模型中的一些参数需要人工去选取,从而降低了模型应用结果的准确度。为了使ICM中的参数能够自适应选取,对传统的ICM进行改进,提出改进的ICM与非下采样Contourlet变换(non-subsampled Contourlet transform,NSCT)相结合的方法应用于医学图像的融合。实验结果表明,该算法无论从主观性评价还是从六个客观性评价指标均优于其他融合算法,不仅提高了图像的清晰度,而且较大程度地保留了图像的细节信息,具有边缘信息突出、亮度对比度高的优点,取得了满意的效果。

基于交叉视觉皮质模型的图像快速分割新算法

为了使光学图像分割处理达到实时性标准,本文引入了具有生物学背景的交叉视觉皮质模型用于图像分割。在不降低分割效果的前提下,将交叉视觉皮质模型的阈值衰减函数调整为线性衰减函数,形成了线性衰减阈值-交叉视觉皮质分割新模型;引入了运算简便且抗噪性强的Chi-square散度,采用灰度级-邻域平均灰度级二维直方图将其推广至二维空间,设计了一种新的分割准则以确定模型的参数与循环迭代次数。

基于兴奋-抑制交叉视觉皮质模型的V1区轮廓整合机制和注意力选择实现

本文旨在利用模仿生物神经细胞同步脉冲发放的交叉视觉皮质模型(ICM)对生物视觉系统的轮廓整合机制及注意力选择机制进行初步探索。将生物神经元"兴奋-抑制"振荡子的思想引入到ICM中,同时引入目标轮廓链码作为高层反馈控制输入,提出了拥有自底向上(BUTTON-UP)及自顶向下(TOP-DOWN)机制的兴奋-抑制交叉视觉皮质模型(EI-ICM)。仿真实验显示,本文提出的模型可有效抑制噪声使得光滑边缘同步发放,从而完成BOTTOM-UP过程;目标轮廓链码的引入可得到与输入目标链码一致的目标轮廓,而其它目标由于与输入目标链码不匹配,无法形成闭合轮廓,从而完成TOP-DOWN过程。结果表明本文提出的模型可模拟视觉皮层V1区轮廓整合及注意力选择机制。

基于计算机视觉的座舱仪表识别检测方法

在简要介绍座舱仪表及其常用识别检测方法的基础上,提出一种基于计算机视觉的座舱仪表识别检测的方法。阐述过程中的几个关键环节及所用到的图像处理算法。采用同态滤波和自适应中值滤波相结合的方法来改善图像效果,然后用改进的类间方差法(Otsu)获取仪表的二值图像。利用改进后交叉皮质视觉模型对仪表的边缘进行提取,并结合骨架来提取指针,最终通过最大梯度下降法得到指针的准确读数。实验结果表明:该方法可快速获取仪表指针读数,且能并行处理多个仪表。与传统的Hough变换、最小二乘法等相比,该算法在保证精度准度的基础上,大幅提高了处理运算的速率。

基于视觉侧抑制机理的强鲁棒性图像分割方法

针对光照强度和图像退化的算法鲁棒性问题,提出一种基于视觉侧抑制机理的强鲁棒性图像分割新算法。该算法充分考虑到人眼视觉侧抑制机理"加强中心抑制周围"的特点,在范围一定的抑制野内,采用双高斯强度系数分布的减法非循环侧抑制网络模型描述神经元兴奋的变化量,与交叉视觉皮质模型相结合形成侧抑制-交叉视觉皮质模型。在此改进模型基础上,利用灰度级-邻域平均灰度级二维直方图将一维交叉熵推广至二维,进而构造出二维最小交叉熵分割判决准则以寻求最优阈值。研究结果表明:针对受噪图像,新算法的分割准则充分利用二维交叉熵增加了图像的局部空间信息,从而取得良好的抗噪结果;针对光照不均和模糊退化的图像,改进分割模型加入视觉侧抑制网络,使得新算法具有较强对比度和亮度适应性以及模糊补偿能力,能够获得精确的分割效果。

基于人眼视觉皮层系统的SAR图像目标识别

人眼的视觉系统是已知最复杂最精确的目标识别系统;针对现有浅层学习模型提取SAR图像目标特征效果不理想、普适性不强及目标识别精度不高等问题,参考人眼视觉系统的分层特征提取机制提出了一种深层特征提取目标识别算法;算法首先提出一种针对SAR图像的预处理方法,在特征提取阶段应用多层稀疏自动编码器,通过逐层减少神经元数目使编码器学习得到输入数据的压缩表示,从而提取得到更抽象更鲁棒的目标特征;采用MSTAR数据库3个目标进行实验,试验结果表明,算法能很好地对MSTAR目标进行特征提取和识别,类比原有的方法有较高的识别准确率,达到96.7%。具有较强的实用性。

反馈式ICM神经网络和FPF相结合的剪影识别

为能有效地表示目标轮廓,同时在泛化与鉴别之间做好平衡,将具有生物视觉神经系统的交叉视觉皮层模型神经网络(intersecting cortical model nueral network,ICMNN)与分数幂指数滤波器(fractional power filter,FPF)相结合,设计了一种利用反馈式ICMNN分离目标轮廓,并使用FPF实现快速相关的剪影识别系统。首先利用ICMNN对原图像处理得到边缘激发的剪影图像,接着利用经训练集合训练好的FPF对ICMNN输出进行相关运算,得到相关面。为了有效减少相似形状带来的误识别错误,将首次检测到的相关峰值点所对应的原图区域通过反馈方式进行增强,再把增强的结果馈入系统,多次迭代后,可有效减少误识别。研究结果表明:该剪影识别系统能较好地应对目标旋转与尺度变化带来的影响,具有较好的应用价值。