基于交叉视觉皮层局部时间序列的图像判别方法

脉冲耦合神经网络的时间序列在图像检索和识别中应用广泛,但是时间序列无法体现图像的形状特征,造成图像判别失败。提出交叉视觉皮层的局部时间序列来解决上述问题。首先将图像分块,然后分别提取图像各部分的时间序列,最后将其连接形成整体的时间序列。提出的算法与基本的时间序列及加入边缘信息的时间序列比较,实验证明该方法解决了基本时间序列存在的问题,同时算法效率和准确率更高。

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。

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。

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%。

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.

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.