基于动态突触神经网络的菌落图像轮廓提取方法

菌落图像轮廓提取的准确性对于微生物菌落形态学和特征分析具有重要意义。本研究构建一种基于动态突触神经网络的菌落图像轮廓提取方法。首先面向视网膜光电转换过程,提出一种基于光照强度的感受野尺度自适应调节模型;其次构建融合了电突触与化学突触侧向调节的带泄漏积分触发(LIF)模型,通过神经元膜电位、空间分布关系以及响应时间差调节电突触和化学突触强度,并获得有无侧向调节作用下的菌落边缘敏感图像;最后比较有无侧向调节作用下神经元响应时间差,利用STDP学习规则对突触权重进行动态更新,以此调整菌落轮廓细节,并将其与初级轮廓响应相结合,得到最终菌落图像轮廓信息。以实验室所采集的40幅菌落图像为研究对象,选取边缘置信度BIdx、平均结构相似度MSSIM,以及综合性能EIdx为评价指标。结果表明,本方法所获取的菌落轮廓更加准确、连续且噪声少,BIdx和MSSIM分别为0.6514±0.0565和0.8318±0.0261,EIdx为0.7657±0.0274,较OS、BAR和LS等3种基于生物视觉的对比方法分别有显著性提升(P<0.01)。所构建的动态突触神经网络适用于菌落等具有丰富细节特征的图像轮廓提取,可为融入生物视觉机制的神经计算模型研究和应用提供一种新思路。

FHN神经元小世界网络随机共振下的弱信号增强

考虑到生物神经系统显著的弱信号感知能力,提出一种基于概率随机重连的神经元动态连接小世界网络。首先为提高计算神经模型工作效率,本文改变了FHN神经元恢复变量和膜电位特征时间默认相等的思路,可灵活调整膜电位势函数的势垒高度以提高状态的跃迁概率;其次将改进后的FHN神经元作为网络节点,引入基于距离连接权重的动态突触的神经元节点互连模式,通过调整外部干扰和网络内部的噪声强度,使系统进入随机共振状态;最后根据FHN神经元输入输出信号之间的互相关系数,对网络各节点输出进行筛选和融合,从而实现弱信号增强还原。对多种形式的输入弱信号进行了实验,结果表明,本方案可以有效实现弱信号的还原和增强,不仅能保持周期信号频谱的一致性,还能使原始弱信号和系统输出信号的互相关系数保持在0.92以上。因此,基于FHN神经元的小世界网络,能够充分利用随机共振特性,为弱信号的增强复原也提供了一种新的思路。

结合双视通路与尺度信息融合的轮廓检测方法

目的考虑到图像信息在视觉通路中的表征是多尺度的,为了实现自然场景下多对比度分布图像的轮廓检测任务,提出了一种基于双视通路尺度信息融合的轮廓检测新方法。方法首先构建对亮度信息敏感和对颜色信息敏感的大细胞(M)、小细胞(P)并行通路,构建不同尺度的感受野模拟神经节细胞对刺激的模糊和精细感知,使用亮度对比度和色差信息指导不同尺度感受野响应的自适应融合,使其能够充分提取亮度轮廓和颜色轮廓。其次结合外膝体(lateral geniculate nucleus,LGN)多尺度方向差异编码与多尺度朝向选择性抑制方法,构建显著轮廓提取模型,实现轮廓区域的增强以及背景纹理的抑制。最后将加工后的亮度轮廓和颜色轮廓前馈至初级视皮层(V1)区,构建双通道响应权重调节模型整合M、P通路所得信息,进一步丰富轮廓。结果本文使用BSDS500(berkeley segmentation data set)图像库和NYUD(New York University-depth)图像库对提出的算法进行验证,其中在BSDS500图像库的最优平均准确率(average precision,AP)指标为0.74,相对于SCSI(subfield-based center-surround inhibition)、BAR(bilateral asymmetric receptive)和SED(surround-modulated edge detection)等基于生物视觉机制的检测方法有4%~13%的提升,所得结果轮廓图也更为连续、准确。结论本文利用M、P双通路机制以及亮度信息和颜色信息在前端视觉通路中的编码过程实现轮廓信息的加工与提取,可以有效实现自然图像的轮廓检测,尤其是对于图像中的细微轮廓边缘的检测,也为研究更高级皮层中视觉信息机制提供新的思路。