【技术实现步骤摘要】
本专利技术涉及智能交通领域,具体涉及基于人工神经网络一脉冲耦合神经网络时间签名的道路交通标志快速识别方法。
技术介绍
1990年,Eckhorn等人在对猫的视觉皮层同步脉冲发放现象的研究中,提出了哺乳动物神经元模型——Edihorn模型。该模型由一个称为神经模拟器(neuromime)的脉冲生成部件、一个调制耦合部件和一个突触连接部件组成。为了弥补Edihorn模型的不足,使其更加适用于图像处理,人们对EcWlorn模型进行了各种改进,最后由Johnson等人加以总结,提出了脉冲耦合神经网络(Pulse Coupled Neural Network,简称PCNN)的概念。脉冲耦合神经网络不同于Edihorn模型的两大特点是调制耦合和脉冲生成机制。链接输入以非线性的方式调制馈送输入,生成内部活动项,而链接强度参数可以起到调节链接输入对神经元内部活动影响大小的作用。脉冲耦合神经网络采用了这样一种调制耦合而不是相加耦合的耦合方式,这就防止了没有主输入的神经元单纯在链接输入的作用下点火,而这对于图像处理是很重要的。脉冲生成采用了神经模拟器方式,工作原理如同一个阶跃函数,同时实现动态阈值增减,从而和一般I-N-FGntegrate and fire)模式有很大不同。脉冲耦合神经网络每一次的输出都可以用一个二维矩阵来表示。当脉冲耦合神经网络用于图像处理时,图像中的每一个像素就对应网络中的每一个神经元,而它的输出实际上就是一幅二值图像,表示了每次迭代点火的神经元。计算每次迭代点火的神经元的总数,将其按时间排列起来,就构成了脉冲耦合神经网络的时间签名。由于该时间签名常被 ...
【技术保护点】
1.一种道路交通标志的识别方法,其特征在于,包括如下步骤:(1)针对每一道路交通标志图像,利用孔洞填充技术分别生成外背景图像和内背景图像;(2)外背景图像预点火:外背景图像输入相应的脉冲耦合神经网络PCNN_outer中,经两次迭代,生成外波;(3)内背景图像预点火:内背景图像输入相应的脉冲耦合神经网络PCNN_inner中,经两次迭代,生成内波;(4)更新外波为原外波中不在内波的那一部分;(5)将新外波作为增量记录在表示道路交通标志外框的结果集合R中;(6)若新外波不为空,则新外波输入PCNN_outer中,生成外波,转入步骤(4);不然,转入步骤(7);(7)把道路交通标志的外框提取了出来,再结合原图,提取出道路交通标志的内图;该内图输入相应的脉冲耦合神经网络PCNN_signature中,记录历次迭代点火神经元的个数,生成图像签名;(8)搜索图像签名数据库,比较图像签名相似度,识别道路交通标志。
【技术特征摘要】
1. 一种道路交通标志的识别方法,其特征在于,包括如下步骤(1)针对每一道路交通标志图像,利用孔洞填充技术分别生成外背景图像和内背景图像;(2)外背景图像预点火外背景图像输入相应的脉冲耦合神经网络PCNN_outer中,经两次迭代,生成外波;(3)内背景图像预点火内背景图像输入相应的脉冲耦合神经网络PCNN_irmer中,经两次迭代,生成内波;(4)更新外波为原外波中不在内波的那一部分;(5)将新外波...
【专利技术属性】
技术研发人员:屈鸿,魏烁,王晓斌,侯孟书,刘贵松,梁魏,
申请(专利权)人:电子科技大学,
类型:发明
国别省市:90
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。