基于點陣神經(jīng)元響應(yīng)時空信息的圖像強弱邊緣檢測方法
【專利摘要】本發(fā)明涉及一種基于點陣神經(jīng)元響應(yīng)時空信息的圖像強弱邊緣檢測方法。本發(fā)明首先利用視野內(nèi)圖像的多方向Log-Gabor濾波結(jié)果，重構(gòu)圖像的邊緣信息；接著將重構(gòu)結(jié)果作為點陣神經(jīng)元的輸入；記錄各個神經(jīng)元首次發(fā)放動作電位的時間，形成時間矩陣；然后構(gòu)造感受野窗口在時間矩陣上滑動，根據(jù)各時間元素的時序計算改進后的方差，并賦值給窗口中心點，從而獲得包含神經(jīng)元響應(yīng)時間和空間信息的方差矩陣；之后將前述感受野窗口繼續(xù)在方差矩陣上滑動，實現(xiàn)神經(jīng)元在空間上的側(cè)向抑制特性，獲得邊緣矩陣；最后將邊緣矩陣逆映射為結(jié)果圖像。本發(fā)明考慮了點陣神經(jīng)元響應(yīng)的時空信息，不僅能夠檢測出圖像邊緣，而且能夠有效反映出邊緣的強弱關(guān)系。
【專利說明】基于點陣神經(jīng)元響應(yīng)時空信息的圖像強弱邊緣檢測方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于圖像處理領(lǐng)域，涉及一種基于點陣神經(jīng)元響應(yīng)時空信息的圖像強弱邊緣檢測方法。
【背景技術(shù)】
[0002]圖像的邊緣是指顏色或灰度值發(fā)生躍變的地方，它通常反映了圖像的主要信息，因此圖像強弱邊緣信息的有效檢測，對于后續(xù)的圖像處理以及其他相關(guān)的任務(wù)，比如模式識別、目標跟蹤等至關(guān)重要。傳統(tǒng)的圖像邊緣檢測采用roberts算子等梯度法來對圖像進行處理，能夠檢測出圖像的強邊緣，但是通常會丟失弱細節(jié)，有時又會對圖像產(chǎn)生過分割。

【發(fā)明內(nèi)容】

[0003]針對上述問題，本發(fā)明提出了一種基于點陣神經(jīng)元響應(yīng)時空信息的圖像強弱邊緣檢測方法，在該方法中記錄了每個像素對應(yīng)的神經(jīng)元首次放電時間，利用感受野窗口內(nèi)各個神經(jīng)元首次放電的次序，并結(jié)合神經(jīng)元側(cè)抑制的空間特性來提取圖像的邊緣信息，最終不僅能夠有效檢測出圖像的邊緣，而且可將邊緣的強弱信息表現(xiàn)出來。
[0004]本發(fā)明基于點陣神經(jīng)元響應(yīng)時空信息的圖像邊緣強弱檢測方法，包括以下步驟:
[0005]步驟⑴對圖像進行8方向Log-Gabor濾波器處理，角度分別為Qjei =22.5°*i，i = 0，1，...，7)，然后根據(jù)濾波結(jié)果重構(gòu)圖像的邊緣信息。
[0006]步驟(2)將步驟(I)中的重構(gòu)結(jié)果輸入到點陣神經(jīng)元。
[0007]步驟(3)記錄下每個神經(jīng)元的首次放電時間，繼而獲得相應(yīng)的時間矩陣。
[0008]步驟⑷構(gòu)造一個3X3的感受野窗口滑過該時間矩陣，先對該感受野窗口中的時間元素進行排序，根據(jù)排序結(jié)果進行加權(quán)，計算首次放電時間的改進方差，并將其賦值給感受野窗口的中心元素。依次對時間矩陣中的每個元素進行相同的處理，繼而得到方差矩陣。
[0009]步驟(5)使得步驟⑷中構(gòu)造的3X3的感受野窗口滑過上述方差矩陣，對感受野窗口中的神經(jīng)元進行側(cè)向抑制處理，同樣需要對方差矩陣中的每個元素依次進行相同的處理，繼而得到邊緣矩陣。
[0010]步驟(6)將邊緣矩陣中的數(shù)據(jù)逆映射到O?255的范圍，之后將其顯示為圖像，該圖像即為圖像邊緣檢測結(jié)果，并且包含強弱邊緣信息。
[0011]本發(fā)明具有的特點為:該方法綜合考慮點陣神經(jīng)元首次放電的時間信息以及感受野窗口的空間信息，不僅能夠檢測出圖像的邊緣，而且能夠給出圖像邊緣的強弱關(guān)系，具體體現(xiàn)在以下幾點:
[0012]1.在邊緣檢測中引入了視皮層神經(jīng)元放電脈沖對于視覺刺激的時間編碼機制，利用了點陣神經(jīng)元的首次放電時間信息。
[0013]2.在邊緣檢測中考慮了視皮層神經(jīng)元感受野的存在，利用感受野窗口形成了邊緣檢測的局部區(qū)域。
[0014]3.在邊緣檢測中引入了視皮層神經(jīng)元的側(cè)抑制機制，對感受野窗口中的各個神經(jīng)元建立側(cè)向抑制特性。
[0015]4.本發(fā)明采用的方法與視覺系統(tǒng)的工作機制更加符合，所得結(jié)果與傳統(tǒng)方法相比能夠保留更多的細節(jié)信息，更能滿足視覺系統(tǒng)的主觀評價。
[0016]5.本發(fā)明采用的方法所得結(jié)果能夠體現(xiàn)圖像邊緣的強弱信息。
【專利附圖】

【附圖說明】
[0017]圖1為本發(fā)明方法流程圖。
【具體實施方式】
[0018]以下結(jié)合附圖1對本發(fā)明作進一步說明，在圖1當(dāng)中I_old(i，j)表示原始的輸入圖像;fk(i, j) (k = O, I,..., 7)為經(jīng)過 Log-Gabor 濾波器以角度為 Θ j ( Θ j = 22.5°*i, i =
O,I,..., 7)濾波后的結(jié)果；Neuron(i, j)表示使用的點陣神經(jīng)元；T(i, j)表示經(jīng)過點陣神經(jīng)元模型后記錄首次放電時間的時間矩陣；D(i，j)表示經(jīng)過方差處理的方差矩陣；F(i，j)表示經(jīng)過神經(jīng)元側(cè)向抑制作用后的邊緣矩陣；I_new(i，j)表示最終的結(jié)果圖像。
[0019]本發(fā)明方法的具體步驟是:
[0020]步驟⑴使得原始的圖像I_old(i, j) (i = I, 2,..., M; j = I, 2,..., N)通過Log-Gabor濾波器進行預(yù)處理，獲取角度為00 22.50*i，i = 0，1，...，7)的8個方向結(jié)果，記為fk(i, j) (k = 0，1，...，7)。然后利用式(I)重構(gòu)圖像的邊緣信息:
[0021]
【權(quán)利要求】
1.基于點陣神經(jīng)元響應(yīng)時空信息的圖像強弱邊緣檢測方法，其特征在于該方法包括如下步驟: 步驟(I)對圖像進行8方向Log-Gabor濾波器處理，角度分別為 = 22.51=0,1,...,7 ,然后根據(jù)濾波結(jié)果重構(gòu)圖像的邊緣信息； 步驟(2)將步驟(I)中的重構(gòu)結(jié)果輸入到點陣神經(jīng)元； 步驟(3)記錄下每個神經(jīng)元的首次放電時間，繼而獲得相應(yīng)的時間矩陣； 步驟(4)構(gòu)造一個3X3的感受野窗口滑過上述時間矩陣，先對該感受野窗口中的時間元素進行排序，根據(jù)排序結(jié)果進行加權(quán)，計算首次放電時間的改進方差，并將其賦值給感受野窗口的中心元素；依次對時間矩陣中的每個元素進行相同的處理，繼而得到方差矩陣； 步驟(5)使得步驟(4)中構(gòu)造的3X3的感受野窗口滑過上述方差矩陣，對感受野窗口中的神經(jīng)元進行側(cè)向抑制處理，同樣需要對方差矩陣中的每個元素依次進行相同的處理，繼而得到邊緣矩陣； 步驟￠)將邊緣矩陣中的數(shù)據(jù)逆映射到O-255的范圍，之后將其顯示為圖像，該圖像即為圖像邊緣檢測結(jié)果，并且包含強弱邊緣信息。
【文檔編號】G06T7/00GK103440642SQ201310332517
【公開日】2013年12月11日 申請日期:2013年8月1日 優(yōu)先權(quán)日:2013年8月1日
【發(fā)明者】范影樂, 廖進文, 方芳, 羅佳駿, 武薇 申請人:杭州電子科技大學(xué)