[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

说明书

技术领域

本发明涉及图像处理和神经元网络技术领域，特别是涉及一种以局部耦合神经元振子网络 形式实现的、用于处理视觉图像中同一背景下不同目标区域之间相互分离的系统。

背景技术

人眼处理视觉图像时可以在很短的时间内轻松的进行感知和理解，然而研究者对其中的机 理至今仍然知之甚少。但是，大量的生理学实验表明视觉器官有可能首先抽取对象的各个局部 特征并且并行的向中枢传送，问题是中枢怎样再将这些特征重新整合起来，这就是所谓的结合 问题，视觉图像中同一背景下不同对象(目标区域)的分离就属于此类问题。为处理这个问题， Hebb提出一种理论，这种理论认为为了检测一个对象，需要有一群神经元提高它们的平均发 放量，但这却引发了新的问题——叠加问题。为克服新的问题，Von der Malsburg和Schneider 对Hebb理论进行了修正，他们认为同一对象应由一群同步振荡的神经元来表征，属于同一对 象的神经元的发放彼此同步，而不同对象的神经元的发放则不存在一致的相位关系。这一理论 被后来的实验所证实：在猫的视觉皮层上记录到了频率在40-60Hz的振荡现象。

在上述实验和理论的基础上，研究者们提出了很多神经元振子网络模型模拟真实的人脑中 神经元行为。Wilson-Cowan神经元振子网络模型就是其中的一种，它能够比较好地模拟人类 视觉皮层中功能柱同步振荡行为，这一性质使得Wilson-Cowan模型在图像分割领域特别是 分离视觉图像中同一背景下不同目标区域方面具有很广的应用前景，而且Grayetal等人已经通 过经典的生理学实验对这一模型进行了验证。

发明内容

本发明的目的在于，提供一种基于局部耦合神经元振子网络的简单灰度图像分割方法，利 用神经元振子网络构建用于处理视觉图像中同一背景下不同目标区域之间相互分离的系统，该 系统由三层组成：视觉图像输入层，神经元振子网络振荡层，目标区域分离层。总体上说，该 系统首先将一幅视觉图像与一族神经元振子建立一对一关联，然后让这一组神经元振子产生振 荡，使得具有相同振荡周期和振幅的振子运动到同一个极限环上，再利用振子之间的耦合关系 执行同步操作以改变同一个极限环上各个振子之间的相位差距，最后通过去同步操作就可以获 得具有相同周期、振幅、相位的每组神经元振子，此时每组神经元振子就对应视觉图像上一个 目标区域中的所有像素点，由此实现图像分割。

本发明是采用以下技术手段实现的：

建立视觉图像输入层，首先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。

建立神经元振子网络振荡层，对这一层上神经网络中的每个神经元振子建立动力学系统模 型，使得振荡过程中具有相同振荡周期和振幅的神经元振子运动到同一个极限环上，并进一步 实现同步振荡。这一层相对复杂，主要包含以下三方面内容：

第一，单一神经元振子由兴奋性单元和抑制性单元这两个部分组成，在外部刺激(每个振 子所对的像素点取值)以及这两个单元的相互作用下，这两个单元各自的脉冲发放率存在不同 的变化特性，因此对单一神经元振子建立动力学系统模型就要利用二阶微分方程组描述这两个 单元各自的脉冲发放率。为了使系统更加灵活并便于理论分析，本发明分别采用了不同的系数 来控制每个神经元振子兴奋性单元和抑制性单元的脉冲发放变化率，而传统方法则往往使用相 同的系数。

第二，为了保证神经元振子产生振荡，就需要确定这一微分方程组中各参数之间的取值约 束以保证微分方程组的解存在周期性，确定的方法就是根据外部刺激的取值范围在这一微分方 程组所对的相平面上划出指定区域，各参数的取值范围要保证这一区域中一定会出现失稳平衡 点，根据环域定理，此时微分方程组的解存在周期性。从微分方程的运动特性上讲，解存在周 期性就意味着极限环的出现。每个极限环具有固定的振荡频率和振幅，那些在振荡过程中具有 这一频率和振幅的神经元振子就会运动到这一极限环上，即使这些振子是从相平面上的不同位 置开始运动的。