【技术实现步骤摘要】
基于双层脉冲发放皮层模型的文档图像分割方法及系统
[0001]本专利技术属于模式识别、智能计算及数字图像处理
，涉及一种图像分割方法及系统，特别是涉及一种基于双层脉冲发放皮层模型的低质量文档图像分割方法及系统，可以应用到古籍文档图像分割中。
技术介绍
[0002]历史古籍是珍贵的文化遗产，具有重要的科学和文化价值。古籍文档数字化是解决文献保护和文化传承的重要途径。古籍文档图像分析与识别是一项极具挑战性的任务。传统的文档图像的分割方法大致可分为全局阈值法、局部阈值法和混合法，后来研究人员又提出了基于边缘、能量、统计学习、深度学习等文档分割算法。然而，目前不存在一种通用的分割算法，且合适的分割算法越来越依赖于先验知识的应用。
[0003]图像阈值化和区域均匀性在图像分割中发挥着非常重要的作用。脉冲耦合神经网络(PCNN)有效地结合了二者。脉冲发放皮层模型(SCM)作为简化式脉冲耦合神经网络，在保留模型性能的同时极大减少了计算量。近年来已经被广泛应用到图像分割、增强、融合、边缘提取、目标识别、凹点检测以及噪声抑制等领...
【技术保护点】
【技术特征摘要】
1.一种基于双层脉冲发放皮层模型的文档图像分割方法，其特征在于，包括以下步骤：步骤1：读取图像并灰度化处理；步骤2：确定像素统计阈值；步骤3：将步骤1得到的灰度图像输入到脉冲发放皮层模型中，基于像素统计阈值，获得像素的SCM阈值；步骤4：调节误差区域；记SCM阈值与统计阈值分别为a和b，则：(1)当a＝b时，此时直接输出步骤3得到的二值图像，作为输出最终的结果；本流程结束；(2)当a＜b时，此时SCM阈值与统计阈值所构成的区间[a,b]即为误差区间，对误差区域进行孤立点检测，并通过腐蚀操作去除干扰分割进程的污痕区域；对于去除干扰后的误差区域进行增强处理；然后执行步骤5；(3)当a＞b时，拉大不同类区像素灰度差使SCM阈值前推，构造区间[a
′
,b]，使用SCM的赋时矩阵对整体图像进行增强处理，直到a
′
≤b，然后执行(1)或(2)；步骤5：将步骤4中增强处理后的图像再次输入脉冲发放皮层模型中进行分割，输出最终的结果。2.根据权利要求1所述的基于双层脉冲发放皮层模型的文档图像分割方法，其特征在于：步骤1中，采用加权平均法灰度化处理图像，公式为：Gray＝0.2989
×
R+0.5870
×
G+0.1140
×
B；其中，Gray为灰度图像，R、G、B分别为像素点红、绿、蓝三基色分量。3.根据权利要求1所述的基于双层脉冲发放皮层模型的文档图像分割方法，其特征在于：步骤2中，建立图像的混合高斯模型，获得权重参数不同的M个高斯分布之和，其中，M为混合高斯模型所包含的高斯分布的个数。4.根据权利要求3所述的基于双层脉冲发放皮层模型的文档图像分割方法，其特征在于：步骤2中，像素裂为了背景和笔画两个集合，两集合的直方图数据均通过高斯函数描述如下：如下：其中，x
i
为图像直方图横坐标，代表灰度值大小，y
i
为图像直方图纵坐标，代表像素数量；y
max
为高斯函数的峰值，即像素数量最大值，x
max
为峰值所对应位置，即像素数量最大值所对应的灰度值；i取值1或2；S为拟合曲线的半高宽，σ为高斯函数的总体标准差；记集合m＝1所对应的高斯函数为Y1，m＝2所对应的高斯函数为Y2，当Y1＝Y2时所对应的值即为像素的统计阈值。5.根据权利要求1所述的基于双层脉冲发放皮层模型的文档图像分割方法，其特征在于：步骤3中，脉冲发放皮层模型方程如下：
其中，网络神经元用(i,j)表示，其临近神经元用(k,l)表示；E
ij
为动态阈值状态；S
ij
为输入矩阵；F
ij
为神经元状态；Y
ij
为神经元输出电位；W
ijkl
为连接矩阵；n为迭代次数；V
L
与V
E
分别为连接输入和动态阈值的振幅；Y
kl
[n]为n次迭代时神经元的输出；α
e
、α
f
分别为动态阈值和馈电输入的衰减系数；β为突触间的连接强度，x
max
为图像最大灰度值，x
′
为步骤2中确定的统计阈值。6.根据权利要求1所述的基于双层脉冲发放皮层模型的文档图像分割方法，其特征在于：步骤4中，当a＜b时，对误差区域选用拉普拉斯算子进行孤立...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。