[发明专利]基于局部耦合神经振子网络的简单灰度图像分割方法

权利要求书

1.一种基于局部耦合神经振子网络的简单灰度图像分割方法，其特征在于 包括以下步骤：建立视觉图像输入层，建立神经元振子网络振荡层，建立目标之 间分离层；

所述的建立视觉图像输入层，将灰度图像归一化，并认为灰度值为零的像素 对应的是图像的背景，在振荡过程中背景区域对应的神经元振子保持沉默状态， 然后将视觉图像输入到神经元振子网络振荡层上的神经网络中，图像中的像素点 与神经网络上的神经元振子存在一一对应关系；

所述的建立神经元振子网络振荡层，将这一层上神经网络中的每个振子建立 动力学系统模型：

dxidt=-r1xi+r1H(axi-cyi+Ii-φx)+αΔxi]]>

dyidt=-r2yi+r2H(bxi-dyi-φy)+βΔyi---(1)]]>

公式(1)中各参数的含义是：I_i代表当前振子所对像素的取值即外部刺激， x_i代表当前振子的兴奋性单元，y_i代表当前振子的抑制性单元，a代表从x_i到x_i的自兴奋连接强度，b代表从x_i到y_i的耦合强度，c代表从y_i到x_i的耦合强度，d 代表从y_i到y_i的自抑制连接强度，r₁和r₂分别调控兴奋性单元响应x_i和抑制性单 元响应y_i的变换率，φ_x和φ_y是选定的阈值，H(z)代表sigmoid型响应函数，α和 β分别代表相邻振子兴奋性单元之间和抑制性单元之间的连接强度，Δx_i和Δy_i代 表当前振子8邻域中的各相邻振子所提供的耦合信息，图像边界的像素用实际存 在的相邻像素进行耦合；Δx_i和Δy_i的表达式为：

d_(m，n)是关于相邻振子外部刺激之差的符号函数：

公式(4)中φ表示阈值；

公式(1)中参数的取值约束是：

(1.1)φ_y+2T＜b  (1.2)I_i-φ_x-2T＞0  (1.3)a-φ_x+2T+I_i＜c

(1.4)d+φ_y-2T＞0  (1.5)φ_x-2T＞0  (1.6)(a-4T)r₁＞(d+4T)r₂

(1.7)bc+(4T-a)(4T+d)＞0  (1.8)|ax^*-cy^*+I_i-φ_x|≤2T

(1.9)|bx^*-dy^*-φ_y|≤2T(1.10)x*=d+4Tby*+φy-2Tb]]>

(1.11)y*=b(φx-Ii-2T)-(a-4T)(φy-2T)(a-4T)(d+4T)-bc]]>(1.12)α>(2a+c)r1+(b-8T)r216T(1-cosπN)]]>

(1.13)β>(2a+c)r1+(b-8T)r216T+αcosπN]]>

(1.1)～(1.13)式中的T是(1)式中sigmoid型响应函数H(z)的形状参 数；

用4阶经典龙格-库塔法对(1)式求解，记录求解结果x_i(t)、y_i(t)，求解 结果表现为每个振子的兴奋性单元、抑制性单元随时间振荡的曲线；

所述的建立目标之间分离层，根据每个振子的兴奋性单元、抑制性单元随时 间振荡的曲线，采用最小二乘法将曲线拟合为Fourier曲线，并求出拟合后曲线 频率、距离水平轴的平均距离、相位三个特征值；首先按照频率对所有像素进行 分类，分类结束后检查每一类对应的图像区域是否是连通的，如果不是连通的将 继续依距离水平轴的平均距离、相位的次序进行分类，并在每一次分类结束后检 查每一类对应的图像区域是否为连通状态。