【技術實現步驟摘要】
本專利技術屬于圖像處理領域，特別涉及空間視覺神經網絡模型的圖像增強方法和系統。
技術介紹
1、圖像在采集過程中往往會混入干擾信號，比如傳感器材料屬性、工作環境、電子元器件和電路結構等影響都會引入干擾噪聲。因而圖像去噪是圖像處理中一個重要部分，其處理結果的好壞關系到后續圖像特征的提取、圖像分析與圖像識別分類等。同時視覺生理實驗和模型仿真，從宏觀角度表明了視覺系統在觀察或識別目標時具有相應的方向選擇性，并非對所有方向上的刺激產生等同的響應。
2、例如視覺感知系統對水平或垂直的光強變化感知最大，但對于傾斜方向上的光強感知最小。另外從微觀角度來看，生物視覺系統中存在方向各異性敏感神經元集群，方法和系統對特定輪廓或運動方向的刺激能夠產生較強的響應，其它方向上則產生較弱的響應。
3、傳統的神經元利用自身的脈沖特性進行去噪需要進行降維不符合視覺空間生理機制，圖像在降維過程中沒有空間結構相關性從而導致空間關聯信息的丟失，還會因為降維導致時滯效應而產生的像素漂移現象。
技術實現思路
1、本專利技術的目的是提供一種空間視覺神經網絡模型的圖像增強方法，從?而本專利技術解決了圖像在降維過程中沒有空間結構相關性從而導致空間關聯信息的丟失，還會因為降維導致時滯效應而產生的像素漂移現象的問題。
2、為解決上述問題，本專利技術的第一方面提供了一種空間視覺神經網絡模?型的圖像增強方法，其包括：對含噪的二值圖像進行歸一化處理；基于處理后的二值圖像，構造3*3的空間的fhn神經元網絡
3、遍歷所述二值圖像的空間神經元脈沖電位信號，依次選擇具有周邊8個方向的當前中心值點；根據所述當前中心值點的中心值與周邊8個方向?的差異性值，判斷通過對應的局部方差函數或替代函數，構造具有方向選擇機制的視覺感受野擴散系數；
4、將所述視覺感受野擴散系數代入擴散方程；計算中心值點相對的8個方向的均值以及局部方差；通過判斷均值與中心值的差值，從所述局部方差函數或者替代函數中選擇得到擴散系數；
5、通過所述視覺感受野擴散系數對所述二值圖像的空間神經元脈沖電位信號進行多次空間卷積濾波；在每次濾波中通過量子粒子群算法，進行多次最優算法迭代，獲得處理后的圖像。
6、本專利技術的第二個方面提供了一種空間視覺神經網絡模型的圖像增強系統，其包括：
7、脈沖電位信號生成單元，其配置為對含噪的二值圖像進行歸一化處理；?基于處理后的二值圖像，構造3*3的空間的fhn神經元網絡卷積核模板；?通過含噪聲信號經過fhn神經元網絡卷積核，得到與所述二值圖像相對應的空間神經元脈沖電位信號：
8、擴散系數單元，其配置為遍歷所述二值圖像的空間神經元脈沖電位信號，依次選擇具有周邊8個方向的當前中心值點；根據所述當前中心值點的中心值與周邊8個方向的差異性值，判斷通過對應的局部方差函數或替代函數，構造具有方向選擇機制的視覺感受野擴散系數；
9、選擇單元，其配置為將所述視覺感受野擴散系數代入擴散方程；計算中心值點相對的8個方向的均值以及局部方差；通過判斷均值與中心值的差值，從所述局部方差函數或者替代函數中選擇得到擴散系數；
10、圖形處理單元，其配置為通過所述視覺感受野擴散系數對所述二值圖像的空間神經元脈沖電位信號進行多次空間卷積濾波；在每次濾波中通過量子粒子群算法，進行多次最優算法迭代，獲得處理后的圖像。
11、本專利技術的第三個方面提供了一種電子設備，其包括處理器；以及存儲器，其存儲有空間視覺神經網絡模型的圖像增強方法的計算機指令，當所?述計算機指令由所述處理器運行時，使得所述電子設備執行本專利技術中的空間視覺神經網絡模型的圖像增強方法。
12、本專利技術的第四個方面提供了一種計算機可讀存儲介質，一種計算機可讀存儲介質，包含有空間視覺神經網絡模型的圖像增強方法的程序指令，?當所述程序指令由處理器執行時，使得實現根據本專利技術中的空間視覺神經網絡模型的圖像增強方法的方法。
13、本專利技術的上述技術方案具有如下有益的技術效果：
14、通過構造雙向自適應濾波器作為各向異性擴散方程濾波器作為視覺感受野選擇機制能夠選擇差異方向，從而滿足了視覺感知系統的方向選擇性，對以往差異較大的突變噪聲信號難以濾除的弊端進行有效改進。
15、基于fhn神經元模型，構造3*3神經元網絡卷積核模板，不需要降維直接空間電位脈沖編碼，保留空間信息的相鄰相關性，避免偏移和時滯現象的產生。神經元空間濾波核符合視覺二維空間特性，對輸入信號產生相應的脈沖電位。神經元網絡能夠保留神經元脈沖發放的主要特性，且具有鄰域空間相關性，從而使圖像電位編碼更符合真實的視覺生理特性。
16、采用量子粒子群優化迭代算法，高效便利獲得最佳參數以及輸出結果，?在每次迭代過程中都會選擇最佳適應度函數作為量化評判指標，且針對中心值的特點進行自適應選擇不同擴散函數，有利于保留圖像特定方向上的空間結構特性和該方向上像素值的關聯性以及去除噪聲的可靠性。
17、通過構造fhn神經元空間網絡卷積核，突出信息特征，重新電位編碼，選擇擴散函數在中心點8個方向差異性選擇具有方向選擇機制，構造雙向選擇自適應視覺感受野模型，有效保留真實信號，選擇性去除噪聲信號，有效輸出高質量圖像。
本文檔來自技高網...【技術保護點】
1.一種空間視覺神經網絡模型的圖像增強方法，其特征在于，其包括：對含噪的二值圖像進行歸一化處理；
2.根據權利要求1所述的空間視覺神經網絡模型的圖像增強方法，其特征在于，所述得到與所述二值圖像相對應的空間神經元脈沖電位信號包括：
3.根據權利要求1所述的空間視覺神經網絡模型的圖像增強方法，其特征在于，根據所述當前中心值點的中心值與周邊8個方向的差異性值，判斷通過對應的局部方差函數或替代函數，構造具有方向選擇機制的視覺?感受野擴散系數包括：
4.根據權利要求1所述的空間視覺神經網絡模型的圖像增強方法，其特征在于，所述在每次濾波中通過量子粒子群算法，進行多次最優算法迭代；
5.根據權利要求1所述的空間視覺神經網絡模型的圖像增強方法，其特征在于，所述FHN神經元的數學表達式如公式1所示:
6.根據權利要求1所述的空間視覺神經網絡模型的圖像增強方法，其特征在于，所述擴散方程的感受野模型，如下公式2所示：
7.一種空間視覺神經網絡模型的圖像增強系統，其特征在于，其包括：?脈沖電位信號生成單元，其配置為對含噪的二值圖像進
8.根據權利要求1所述的空間視覺神經網絡模型的圖像增強系統，其特征在于，所述脈沖電位信號生成單元還配置為：
9.一種電子設備，其特征在于，包括：
10.一種計算機可讀存儲介質，其特征在于，?包含有空間視覺神經網絡模型的圖像增強方法的程序指令，當所述程序指令由處理器執行時，使得實現根據權利要求1~6的任意一項所述的方法。
...【技術特征摘要】
1.一種空間視覺神經網絡模型的圖像增強方法，其特征在于，其包括：對含噪的二值圖像進行歸一化處理；
2.根據權利要求1所述的空間視覺神經網絡模型的圖像增強方法，其特征在于，所述得到與所述二值圖像相對應的空間神經元脈沖電位信號包括：
3.根據權利要求1所述的空間視覺神經網絡模型的圖像增強方法，其特征在于，根據所述當前中心值點的中心值與周邊8個方向的差異性值，判斷通過對應的局部方差函數或替代函數，構造具有方向選擇機制的視覺?感受野擴散系數包括：
4.根據權利要求1所述的空間視覺神經網絡模型的圖像增強方法，其特征在于，所述在每次濾波中通過量子粒子群算法，進行多次最優算法迭代；
5.根據權利要求1所述的空間視覺神經網絡模型的圖像增強方法，...
【專利技術屬性】
技術研發人員：王迪，徐珊珊，黃建紅，陳術堯，徐小文，
申請(專利權)人：西湖大學光電研究院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。