基于仿生自适应忆阻细胞神经网络的图像增强方法技术

本发明专利技术公开了一种基于仿生自适应忆阻细胞神经网络的图像增强方法，融合了模拟人类视觉机制的自适应三高斯模型、细胞神经网络和纳米忆阻器,在典型自适应三高斯模型的基础上,提出了便于硬件实现的线性化自适应三高斯模型,利用高斯核函数和细胞神经网络的图像处理特征，克服了固定图像增强模板和纯数学算法的局限性，大大增强图像增强优势,其增强效果与人眼增强效果更为接近；同时，基于忆阻器的硬件设计,有利于大规模电路集成,便于实现硬件加速和芯片化的端侧实时图像处理。

Image enhancement method based on biomimetic adaptive memristor cell neural network

【技术实现步骤摘要】
基于仿生自适应忆阻细胞神经网络的图像增强方法
本专利技术涉及图像处理
，更具体地说，涉及一种基于仿生自适应忆阻细胞神经网络的图像增强方法。
技术介绍
图像增强可以将图像上感兴趣的特征强调突出,将不需要的特征抑制,从而增强图像的有用信息,提高图像质量。细胞神经网络具有简单的局部互联结构和高速并行处理能力,是构造人工视网膜的基础模型,可被应用于机器视觉中图像处理时的图像增强等方面.然而,现有的此类图像增强方法尚存在一些不足,例如,在处理实际复杂图像时,采用固定模板难以取得理想效果；而且,未能模拟人类视觉系统的全局和局部自适应调节特性,缺乏仿生考虑。
技术实现思路
为解决上述技术问题，本专利技术提供一种基于仿生自适应忆阻细胞神经网络的图像增强方法。为实现上述目的，本专利技术所采用的具体技术方案如下：一种基于仿生自适应忆阻细胞神经网络的图像增强方法，包括以下步骤：S1：对原始图像进行全局亮度归一化处理，得到忆阻细胞神经网络的输入矩阵ug；S2：针对所述原始图像上的每一像素点，计算出以该像素点为中本文档来自技高网...

【技术保护点】
1.一种基于仿生自适应忆阻细胞神经网络的图像增强方法，其特征在于，包括以下步骤：/nS1：对原始图像进行全局亮度归一化处理，得到忆阻细胞神经网络的输入矩阵u

【技术特征摘要】
1.一种基于仿生自适应忆阻细胞神经网络的图像增强方法，其特征在于，包括以下步骤：
S1：对原始图像进行全局亮度归一化处理，得到忆阻细胞神经网络的输入矩阵ug；
S2：针对所述原始图像上的每一像素点，计算出以该像素点为中心时所对应的空间邻近三高斯核函数中参数A1和σ2的值，从而确定关于对应的中心细胞Ci,j和其邻域细胞Ck,l的空间邻近三高斯核函数gij,kl；
S3：由三高斯核函数gij,kl和对应的单高斯核函数gv(Iij,kl)组成的高斯方程组计算与该像素点所处位置对应的神经网络自适应控制模板参数B，其中：






A1、A2和A3分别表示中心区、外周区和边缘区的峰值系数，σ1、σ2和σ3分别表示中心区、外周区和边缘区的尺度参数，σv表示数值高斯滤波的尺度参数，I(i,j)是核函数中心的像素值,I(k,l)是半径为1的邻域内细胞的像素值，k＝i-1,i,i+1，l＝j-1,j,j+1；



S4：利用忆阻细胞神经网络的输入矩阵ug和神经网络自适应...

【专利技术属性】
技术研发人员：胡小方，郑雅文，周跃，段书凯，
申请(专利权)人：西南大学，
类型：发明
国别省市：重庆;50