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。

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.

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。

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。

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.

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.

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。

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.

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。

基于NCT的特征级图像融合

为得到更好的融合效果,将特征级融合与像素级融合相结合,利用Contourlet变换(CT)对源图像进行分解,对于近似图像,利用Canny算子进行边缘检测以得到边缘特征图像,再以边缘特征图像作为交叉视觉皮质模型的输入,根据各神经元的点火次数进行融合;对于细节图像,根据区域能量系数矩阵进行融合。通过多聚焦闹钟图像和CT、MRI图像对该算法进行实验,并以熵、互信息和平均梯度作为融合效果的评价指标。实验结果表明,该算法的性能优于传统融合算法。

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。