一种基于PCNN神经元激活率和群离散度的区域特征提取方法技术

本发明专利技术公开了一种基于PCNN神经元激活率和群离散度的区域特征提取方法。包括以下步骤：步骤一：对原始图像进行预处理，将神经网络PCNN与图像对应；步骤二：将0～255的灰度范围根据目标区域划分成N个从大到小的灰度区间；步骤三：得到当前灰度区间内发生群激活的神经元；步骤四：统计发生群激活神经元的领域内受激励神经元个数，判断发生提起激活的神经元；步骤五：统计提前激活神经元个数，得到群激活率和群离散度；步骤六：读取下一个灰度区间，重复步骤三到步骤六，直到第N个区间。本发明专利技术具有计算复杂度小，分类效果好的优点。

【技术实现步骤摘要】
一种基于PCNN神经元激活率和群离散度的区域特征提取方法
本专利技术属于一种声纳图像目标区域的特征提取方法，尤其涉及一种能够提取目标区域像素值分布特征的，基于PCNN神经元激活率和群离散度的区域特征提取方法。
技术介绍
随着科技的发展，以人类为代表的哺乳动物对于图像的识别能力仍然是机器望尘莫及的，因此大量国内外科研工作者不断探索和模拟动物的视觉神经系统，虽然神经网络的研究经历了一个又一个低潮，但是科学家们的脚步从未停止。随着第三代神经网络PCNN的提出，对于神经网络的研究进入了一个新的篇章，2005年Lindblad和Kinser在其PCNN研究专著的第二版阐述了基于哺乳动物视觉皮层神经元的人工神经网络，使人们在机器视觉研究方面前进了一大步，针对动物大脑如何对图像进行处理的研究方面又有了很多新的成果。比如Johnson提出利用PCNN网络将二维图像转换成一维脉冲序列的思想，一些研究者提出用PCNN把图像分层的方法。文献1：BoYu；LimingZhang.Pulse-CoupledNeuralNetworksforContourandMotionMatchings.2004IEEETRANSACTIONSONNEURALNETWORKS,p1186-1201,2004，这篇文献利用PCNN的链式传导激活方法对理想图形的边缘进行匹配识别。文献2：刘勍，马义德.基于直方图矢量重心的PCNN图像目标识别新方法.电子技术应用，No.10,2006。文献3：刘勍，许录平，马义德，张华.结合灰度熵变换的PCNN小目标图像检测新方法.北京理工大学学报，Vol.29,No.12,2009。这两篇文献利用赋时矩阵来描述图像特征用于识别等。总的来说，利用PCNN进行图像识别的论文可以分为两大类：一类是构建更加复杂的PCNN结构，把增加网络的复杂性作为一种创新；第二类通过统计PCNN发生群激活的神经元个数进行分析，以此进行图像的分割、去噪。这些做法存在两方面不足，一是忽略了PCNN邻域神经元对主神经元的动态影响，没有体现邻域主、辅神经元的动态联系；另一方面忽视了PCNN多个神经元同时发生提前激活的神经元分布特点，没有利用提前激活神经元的分布特性。
技术实现思路
本专利技术的目的是提供一种计算复杂度小，分类效果好的，基于PCNN神经元激活率和群离散度的区域特征提取方法。本专利技术是通过以下技术方案实现的：一种基于PCNN神经元激活率和群离散度的区域特征提取方法，包括以下几个步骤：步骤一：采集原始图像，对原始图像进行预处理，分割出目标区域的轮廓，将神经网络PCNN与图像对应，将中心神经元与图像的像素点对应，中心神经元的邻域与邻域像素点对应，神经元的输入为像素点的灰度值；步骤二：通过设置PCNN神经元的阈值参数，将0～255的灰度范围根据目标区域划分成N个灰度区间，将灰度区间按照灰度值从大到小的顺序排列；步骤三：读取当前第k个灰度区间，得到当前灰度区间内发生群激活的神经元，发生群激活的神经元对应的像素值在当前灰度区间对应的灰度范围内；步骤四：统计发生群激活神经元的邻域内受激励神经元个数λ，重新计算发生群激活神经元的邻域内受激励神经元的内部活动项的值，如果受激励神经元的内部活动项的值位于当前灰度区间对应的灰度范围内，则当前受激励神经元为提前激活神经元，记录下提前激活神经元对应像素点的坐标；步骤五：统计提前激活神经元个数λ'，得到群激活率和群离散度：其中x,y是每个灰度区间提前激活神经元对应像素点的坐标，步骤六：令当前灰度区间内的发生群激活和提前激活神经元对应的像素点值为0，令k＝k+1，重复步骤三到步骤六，直到k＝N。有益效果：本专利技术细化了PCNN的神经元激励现象，成功将发生群激活和受激励提前激活的神经元分离开，一方面利用提前激活神经元的激活率表征目标区域的灰度值分布特性，另一方面统计每个灰度区间提前激活神经元对应的像素点坐标，把目标区域中具有相似激活特性的像素点联系起来分析。本专利技术利用PCNN邻域神经元的分布结构，灵活的将目标区域划分为小范围像素区域，用提前激活的神经元表征这些小范围像素区域的像素值分布特征；将具有相似激活性质的区域共同考虑，兼顾了邻域梯度特性和更大区域范围的像素值灰度特性，能统计PCNN提前激活神经元在更大范围内的分布离散性，因此在微观和宏观两种不同角度描述目标区域的特征。相比于其他的纹理特征提取方法，利用本文方法提取蛙人和鱼类目标特征用于分类时，计算复杂度更小、分类效果更好。附图说明图1为PCNN神经元与声纳图像的对应方法；图2为目标所在区域的灰度图像；图3为分割出的目标图像；图4为第一次激活的像素点，对应像素值最大的灰度区间；图5为受激活神经元影响的像素区域；图6为受影响的像素区域中发生提前激活现象的像素点；图7为受抑制之后不再发生激活的区域；图8为未激活神经元Q受邻域内已激活神经元P影响，发生提前激活的示意图；图9为群激活神经元统计图；图10为群激活率统计图；图11为群离散度统计图；图12为鱼类目标的声纳图像；图13为蛙人目标的声纳图像；图14为本专利技术方法的整体处理流程图。具体实施方式下面将结合附图对本专利技术做进一步详细说明。本专利技术是这样实现的：1.对原始图像进行预处理，分割、标定出目标区域，将PCNN与声纳图像对应，中心神经元与图像的像素点对应，神经元的输入即像素点的灰度值，中心神经元的邻域与邻域像素点对应；2.设置PCNN神经元阈值相关参数，将0～255的灰度级有目的的分为N个区间；3.统计步骤2中划分的灰度级范围，按照从灰度值相对大的区间向灰度值相对小的区间统计(每次统计一个灰度区间)，判断当前灰度区间的神经元是否发生群激活现象；4.根据PCNN神经元的性质，已激活神经元会激励邻域内未激活神经元发生激活。因此要重新计算受影响神经元的U值；5.判断受影响的未激活神经元是否重新满足激活条件而激活(这是一种提前激活现象)。如果满足则该像素点对应的神经元发生提前激活，记录下提前激活的神经元对应像素点的坐标和数量；6.令所有发生群激活和受激励提前激活的神经元对应的像素点值为0，不再发生激活；7.回到步骤3，统计更低像灰度区间的群激活性质，按照从步骤3至步骤6的顺序统计神经元提前激活的性质，直到灰度值在0～255范围内的所有区间都统计完毕；8.统计每个灰度区间发生群激活的神经元个数与提前激活的神经元个数，得到群激活率。统计每个灰度区间提前激活神经元对应的像素点坐标，得到群离散度。将群激活率和群离散度作为描述区域特征的特征值。下面描述本专利技术的实施过程，主要结合图14对本专利技术做更详细的描述：PCNN的基本公式如下：Uij[n]＝Fij[n](1+βLij[n])(3)Tij[n]＝exp(-tαT)Tij[n-1]+VTYij[n-1](4)上式中：Fij[n]表示神经元主输入。Sij表示主输入中心点对应的图像像素灰度值。Lij[n]表示辅助输入，其值代表主输入邻域的辅助输入。Uij[n]是内部活动项。Tij[n]是动态阈值。Mijkl和Wijkl是神经元的链接权值矩阵，表示神经元的感受视野。Ykl[n-1]是脉冲耦合神经元的脉冲输出结果，值为1(激活)和0(未激活)。ij表示主输入区域像中心素点的横纵坐标。kl表示辅本文档来自技高网...

【技术保护点】
一种基于PCNN神经元激活率和群离散度的区域特征提取方法，其特征在于，包括以下几个步骤：步骤一：采集原始图像，对原始图像进行预处理，分割出目标区域的轮廓，将神经网络PCNN与图像对应，将中心神经元与图像的像素点对应，中心神经元的邻域与邻域像素点对应，神经元的输入为像素点的灰度值；步骤二：通过设置PCNN神经元的阈值参数，将0～255的灰度范围根据目标区域划分成N个灰度区间，将灰度区间按照灰度值从大到小的顺序排列；步骤三：读取当前第k个灰度区间，得到当前灰度区间内发生群激活的神经元，发生群激活的神经元对应的像素值在当前灰度区间对应的灰度范围内；步骤四：统计发生群激活神经元的领域内受激励神经元个数λ，重新计算发生群激活神经元的领域内受激励神经元的内部活动项的值，如果受激励神经元的内部活动项的值位于当前灰度区间对应的灰度范围内，则当前受激励神经元为提前激活神经元，记录下提前激活神经元对应像素点的坐标；步骤五：统计提前激活神经元个数λ'，得到群激活率和群离散度：其中x,y是每个灰度区间提前激活神经元对应像素点的坐标，步骤六：令当前灰度区间内的发生群激活和提前激活神经元对应的像素点值为0，令k＝k+1，重复步骤三到步骤六，直到k＝N。...

【技术特征摘要】
1.一种基于PCNN神经元激活率和群离散度的区域特征提取方法，其特征在于，包括以下几个步骤：步骤一：采集原始图像，对原始图像进行预处理，分割出目标区域的轮廓，将神经网络PCNN与图像对应，将中心神经元与图像的像素点对应，中心神经元的邻域与邻域像素点对应，神经元的输入为像素点的灰度值；步骤二：通过设置PCNN神经元的阈值参数，将0～255的灰度范围根据目标区域划分成N个灰度区间，将灰度区间按照灰度值从大到小的顺序排列；步骤三：读取当前第k个灰度区间，得到当前灰度区间内发生群激活的神经元，发生群激活的神经元对应的像素值在当...

【专利技术属性】
技术研发人员：卞红雨，李曙光，张志刚，张健，陈奕名，韩冷，刘珈麟，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江;23