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。

边缘宽度细化与交叉皮层模型结合的图像分割算法

针对弱边缘图像分割中交叉皮层模型产生目标几何尺寸失真等问题,提出了一种基于边缘宽度细化与交叉皮层模型结合的图像分割算法。该算法借助prewitt边缘算子和边缘斜坡模型,细化图像边缘宽度。在此基础上,利用二维直方图将交叉熵扩展至二维空间,以获得交叉皮层模型的最优分割阈值。实验结果表明,该算法不仅能克服边缘模糊的影响,对弱边缘图像进行精确分割,而且处理速度也大幅提升了。

边缘宽度细化与交叉皮层模型结合的图像分割算法

针对弱边缘图像分割中交叉皮层模型产生目标几何尺寸失真等问题,提出了一种基于边缘宽度细化与交叉皮层模型结合的图像分割算法。该算法借助prewitt边缘算子和边缘斜坡模型,细化图像边缘宽度。在此基础上,利用二维直方图将交叉熵扩展至二维空间,以获得交叉皮层模型的最优分割阈值。实验结果表明,该算法不仅能克服边缘模糊的影响,对弱边缘图像进行精确分割;而且处理速度也大幅提升了。

基于改进型交叉视觉皮层模型的自适应图像去噪

针对经典ICM进行分析并找出其结构中的缺陷,提出一种改进型交叉视觉皮层模型(Improved ICM,IICM)。该模型不仅减少了待定参数的个数,还构造了赋时矩阵T用于解决迭代次数的确定问题,同时实现了图像空间信息到时间信息的转换;其次,利用T提供的信息确定噪声点的具体位置;最后,提出基于IICM的自适应图像去噪算法,完成对图像脉冲噪声的有效滤除。该方法仅对受噪声污染的像素点进行处理,并可自适应调整区域窗口的尺寸,在去噪效果和运行效率上同其他方法相比具有明显的优势。

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。

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。

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.

基于脉冲发放皮层模型的图像分割方法

图像分割算法对光照强度的反应较敏感,同一种算法往往很难对不同光照情况下的图像进行有效分割。基于此,提出一种基于脉冲发放皮层模型的图像分割方法。首先选用不同阶段指数函数对漏电积分器的特性近似逼近。其次,根据亮图像与暗图像之间的区别选择不同的衰减函数,使模型对不同亮度图像具有较好的适应性。实验表明该方法能够对不同光照条件下的图像进行有效地分割,同时较好地保留图像的细节信息,与改进的脉冲耦合神经网络、改进的交叉皮层模型以及二维OTSU算法相比,具有较强的鲁棒性。

基于混合视觉皮层模型的红外图像去噪和分割

针对交叉视觉皮层模型(ICM)网络运行速度慢的问题,提出一种用于图像处理的混合视觉皮层模型(MCM)。MCM将人眼视觉现象中的韦伯律特性融入ICM,根据韦伯律特性设定神经元点火域值,采用金字塔分解式的运算方法扩大神经元的感受野,并利用ICM的脉冲同步发放性质,实现快速图像处理。基于MCM开发红外图像的去噪算法及红外图像分割算法,实验结果表明,与基于ICM的图像去噪和分割算法相比,基于MCM的算法具有良好的去噪和分割效果,运行速度较快。

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。

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。

利用脉冲耦合神经网络的纹理图像检索方法

为提高基于内容的图像检索系统(CBIR)中纹理特征提取的有效性,进一步提升CBIR系统的整体性能。提出了一种基于脉冲耦合神经网络的纹理图像检索方法。脉冲耦合神经网络(PCNN)是新一代的人工神经网络,在数据处理上具有很多优势。特征提取时具有平移、旋转、尺度、扭曲等不变性,以及很好的抗噪性,而这一点非常适合于图像检索系统。利用PCNN及简化模型ICM得到对应于不同灰度值的二值图像序列,计算序列中每幅图像的熵序列,其一维的特征矢量作为纹理特征。采用Eu-clidean距离进行相似度计算,建立了一套基于示例查询图像的纹理图像检索系统。实验结果表明,与小波包等特征提取方法相比,该方法不仅对噪声具有较强的鲁棒性,同时能降低特征向量维数,具有尺度、平移和旋转不变性,而且能取得更高的检索率。

基于NiosⅡ的图像去噪系统设计

基于NiosⅡ软核处理器技术,以SOPC方式,在Altera DE2-70开发板上实现图像去噪算法.算法利用交叉皮层模型ICM(Intersecting Cortical Model,ICM)定位噪声点,并结合经典滤波算法对检测出来的噪声点进行局部滤波.实验结果表明在NiosⅡ上实现的算法既有效地去除了噪声,同时又保持了图像细节,去噪速度有较大提高.

脉冲耦合神经网络纹理检索系统研究

脉冲耦合神经网络用于图像检索时,具有平移、旋转、尺度、扭曲等不变性,同时对噪声还具有很好的鲁棒性.本文提出了一种改进的脉冲耦合神经网络图像纹理检索算法,该算法将脉冲耦合神经网络和离散余弦变换相结合.首先将脉冲耦合神经网络输出的二值图像序列进行离散余弦变换,然后选择不同的特征提取方法提取纹理图像的关键特征,最后利用欧氏距离分类器对图像进行识别.基于Brodatz纹理图像库的实验结果证明了该算法的有效性。

基于小波的ICM不变特征在图像匹配识别中的应用

由于交叉皮层模型(intersecting cortical model,ICM)图标信号具有平移、旋转以及尺度不变性,因此,基于ICM的图像匹配算法能够提高实时目标图与基准目标图的匹配率,但根据ICM图标信号获取的不变特征对噪声信号较敏感。针对这一问题,提出了基于ICM和小波变换的图像匹配识别算法。仿真结果表明,本文算法在平移、尺度、旋转变化以及噪声环境下仍具有较高的匹配率。

ICM与数学形态学在图像处理中的等价性

通过对交叉视觉皮层模型(ICM)运行特点的研究,揭示了ICM与数学形态学间的本质联系.并以颗粒分析为例进行了详尽的推导,得出ICM与一定结构元素下的数学形态学方法等效的结论.研究还发现,当ICM用于图像处理时,其脉冲并行传播特性行为完全等价于数学形态学中一定结构元素下的基本运算,从而为ICM日后的研究与发展提供了严谨的数学依据.

基于NSCT域I^2CM的图像融合方法

针对多传感器图像融合问题,提出一种基于非下采样轮廓波变换域改进型交叉视觉皮层模型的图像融合方法.首先,采用非下采样轮廓波变换对源图像进行多尺度、多方向稀疏分解;然后对经典交叉视觉皮层模型进行改进,改进后的模型不仅待定参数更少,而且可以自适应地确定迭代次数;最后利用其实现对各子图像的融合并进行非下采样轮廓波逆变换获得最终融合图像.实验结果验证了该方法的有效性.