基于ICM的高光谱图像自适应全色锐化算法

针对高光谱图像全色锐化中的光谱失真和纹理细节提升不足问题,结合交叉皮层神经网络模型(intersecting cortical model,ICM),提出一种自适应高光谱图像全色锐化算法。该算法采用ICM分割,先将高光谱图像与空间分辨率较为接近的多光谱图像进行匹配融合,再将结果与高分辨率的全色图像融合,以获得同时具有全色图像的高空间分辨率和高光谱图像的光谱分辨率融合结果。同时,在锐化融合中采用灰狼优化算法(grey wolf optimizer,GWO)自适应优化ICM模型参数,生成最优非规则分割区域,为高光谱图像提供更精准全面的细节和光谱信息。采用2组资源一号02D卫星高光谱数据集进行实验验证,结果表明,提出的新的锐化融合算法在空间细节和光谱信息评价指标上均表现最优,验证了该算法有效性。

基于ICM的精密指针式仪表自动读数方法

针对精密指针式仪表自动读数算法自适应性较差的问题,提出一种基于ICM的精密指针式仪表自动读数方法。该方法基于二值化后仪表图像的噪声信息分布特性,利用ICM点火时序矩阵在图像相邻像素间的并行递进关系,研究和实现图像的腐蚀和膨胀,并设计加权最大类间方差法自适应地计算迭代次数,消除刻度周边噪声,提取到刻度圆弧所在位置。最后根据圆弧极径、极角等信息对刻度区域做极坐标变换输出图像,采用距离法对极坐标变换后图像进行读数判读。实验表明,自动读数结果与实际数值相比误差均小于0.2%,算法稳定可靠。

基于ICM的局部不变特征提取方法

提出了一种新的基于交叉皮层模型(intersecting cortical model,ICM)的局部不变特征提取方法。首先将k-means聚类后的Harris角点作为关键点,接着以关键点为中心构造特征区域,最后采用ICM图标信号对特征区域进行描述作为局部不变特征。实验结果表明:该方法所获取的局部不变特征具有很好的可重复性,并且当目标处于复杂背景以及遮挡条件下具有较好的识别性能。

克隆选择算法和ICM的图像自动分割方法研究

交叉皮层模型是一种简化的脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN),该模型保留了PCNN的脉冲耦合、发放同步脉冲、变阈值、产生脉冲波等重要特性,但调节参数比PCNN少,被认为具有比PCNN更加良好的图像处理能力。针对ICM模型图像分割效果取决于各个参数的优化调节,提出了一种克隆选择算法和ICM模型的图像自动分割算法。该算法的克隆选择算子以自适应方式调节,以最大信息熵作为亲和度函数,速度快,全局搜索效率高,实现了图像的自动分割。仿真表明,该算法有效可行。

一种新的ICM模型参数设置方法

针对ICM模型用于目标识别参数需要人工设置的问题,提出一种新的ICM模型参数设置方法。该方法从提高目标识别率出发,提出利用相关系数确定ICM模型参数学习准则,使用梯度下降法对这一准则进行求解,达到根据输入图像的不同自适应确定ICM模型参数的目的。实验结果表明该方法可以很好解决传统ICM网络参数需要人工选取的劣势。

人脸图像ICM时间序列识别方法

提出一种仿生物视觉算法模型的彩色人脸图像识别方法——视觉交叉皮层时间序列人脸特征提取算法。将彩色人脸图像从RGB空间转换至HSI空间,对HSI空间的各个图像分量分别提取时间序列,将各个分量的时间序列连接形成整体的人脸图像特征。该序列对不同人脸图像具有较高的区分度,而对于不同角度的相同人脸图像却表现出一致性。用第一范式距离作为判据进行人脸图像识别,并与PCAI、CA以及基本的PCNN进行比较,实验结果表明,提出的方法识别速度明显高于比较的几种方法,识别准确率可以达到86.73%。

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。

FC_ICM及其在图像增强中的应用

提出了一种改进的可连续点火的交叉视觉皮质模型,并将其运用到图像增强当中。新模型利用了点火阈值对神经元行为的长期记忆能力,将其作为反馈和外部激励共同决定神经元的状态值;将阈值衰减因子替换为函数变换,从而可根据具体应用灵活选择合适的衰减函数;同时在点火神经元的阈值提升时增加了邻域判读,以决定对应阈值是否发生陡变,且实现了神经元的连续点火。在此基础上,提出了基于FC_ICM的直方图均衡化方法,对比基于CLAHE和ICM的图像增强方法,实验结果表明,该方法可有效提升全局和局部对比度,及有效抑制噪声。

基于交叉皮质模型的单幅图像阴影检测算法

图像中含有阴影区域对后续处理任务影响较大,根据阴影特性,提出基于交叉皮质模型(Intersecting cortical model,ICM)的单幅图像阴影检测算法.通过在点火连接矩阵构造上考虑邻域像素值依赖关系,融入局部二值模式(Local binary pattern,LBP)表征的纹理信息形成了Te-ICM模型.根据阴影检测流程,利用模型迭代特性,通过设计停止条件自动检测本影,在本影修复后生成附着半影.同时优化模型参数,设计了基于分层聚类直方图划分的阈值下降策略.仿真结果表明:对于典型影像集,Te-ICM模型及相应参数设计可以较好地实现阴影检测,输出阴影掩模准确度高,为后续阴影去除提供了基础.

基于向心自动波交叉皮质模型的非均匀光照图像增强

面向非均匀光照图像,提出了基于向心自动波交叉皮质模型(Centripetal-autowave intersecting cortical model,CA-ICM)的图像增强算法.为了解决原始交叉皮质模型(Intersecting cortical model,ICM)固有自动波效应在图像增强应用中易导致边缘模糊的问题,首先,设计了基于形态学中值集的向心自动波(Centripetal autowave,CA)实现方式.提出了基于图像特征—键值(Key)的自适应S形状映射函数,以此作为CA-ICM模型的输入输出的映射关系.为了增强算法的鲁棒性,对未点火位置进行了标注和修复.最后提出了非线性变换的颜色恢复方法.同时对模型参数设计进行了细致讨论.仿真结果表明,该模型可以有效进行光照动态范围的调整,向心自动波约束产生了邻域内的侧抑制作用,输出图像对比度得到大幅提升,细节边缘清晰,颜色恢复充分自然,客观评价值高.

一种新的图像分割算法

针对一类普遍存在的图像,采用具有生物学背景的交叉视觉皮质模型进行图像分割.将交叉视觉皮质模型所具有的符合人眼对亮度响应非线性要求的指数衰减的阈值机制,改进为适合图像分割处理的线性衰减的阈值机制,提出了线性阈值-交叉视觉皮质模型.同时采用改进的二维Tsallis交叉熵作为分割准则,可自动地确定交叉视觉皮质模型神经元的分割阈值以及循环迭代次数.实验表明,这种分割算法优于经典的OSTU算法和K-m eans算法,同时基于改进的二维Tsallis交叉熵准则优于基于二维最大Shannon熵准则、传统二维Tsallis交叉熵准则和一维最小Tsallis交叉熵准则.

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。

交叉皮层模型及其在图像处理中的应用

深入分析了交叉皮层模型(ICM)的性能参数、基本特性和工作原理,得出无耦合时的内部活动项累加式、点火时刻表达式和点火周期等,总结出ICM模型表现的变阈值特性、非线性脉冲调制特性、同步脉冲发放现象、捕获特性、动态脉冲发放现象、自动波特性和综合时空特性.在此研究基础上提出自动图像分割算法和自动边缘提取算法以及用ICM与正交变换结合进行特征提取的算法,并采用ICM与数学形态学和中值滤波相结合的方法去除脉冲噪声.计算机仿真结果表明,提出的算法均能取得较好的结果,而且由于ICM结构简单,易于实现,运算速度也较快.

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。

基于交叉视觉皮层模型的边缘检测算法

交叉视觉皮层模型(ICM)在处理图像时,会因连接矩阵权值设置不当而产生错误。为此,提出一种新的连接矩阵设置方式,介绍基于交叉视觉皮层的边缘检测算法,确定神经元点火范围。将该算法应用于模糊医学图像的边缘提取中。实验结果表明,与其他边缘检测算法相比,该算法能够较好地提取模糊医学图像边缘,具有较高的精度。

有效滤除高强度图像混合噪声的方法

传统的交叉视觉皮质模型(ICM)对单一噪声的去除具有良好的性能.为了扩展ICM在图像降噪领域的应用,提高降噪能力,提出一种基于邻域连接的NL-ICM.针对传统ICM存在的局限性,在神经元的构造上引入双边滤波的思想,通过扩展神经元的连接输入、引入连接权重、设计脉冲阈值实时计算函数,并为神经元设计像素更新规则.实验结果表明,该模型能够较好地去除图像中的混合噪声.

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。

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。