[发明专利]基于PCNN模型的图像分析方法和装置

权利要求书

1.一种基于脉冲耦合神经网络PCNN模型的图像分析方法，其特征在于，包括：

在当前图像上随机选择一个像素点；

通过变换视觉信息计算模型的窗口大小，计算所述像素点与其邻域对应的方向通道的最大能量；

根据每个所述方向通道的最大能量确定所述视觉信息计算模型的最大尺度和有效方向；

根据所述最大尺度和所述有效方向确定PCNN模型的参数W和M，其中，M为反馈输入域的连接矩阵；W耦合连接域的连接矩阵；

基于所述确定的W和M对应的PCNN模型对所述当前图像进行图像分析。

2.根据权利要求1所述的方法，其特征在于，通过变换视觉信息计算模型的窗口大小，计算所述像素点与其邻域对应的方向通道的最大能量包括：

以多尺度多方向Gabor函数作为视觉信息计算模型；

通过改变Gabor函数窗口的大小变换所述视觉信息计算模型的尺度s；

对于每个s，以所述像素点为中心，将所述像素点的邻域分解为2^s个方向通道；

计算每个方向通道的最大能量。

3.根据权利要求1所述的方法，其特征在于，根据每个所述方向通道的最大能量确定所述视觉信息计算模型的最大尺度和有效方向包括：

根据每个所述方向通道的最大能量计算每个所述方向通道的能量响应系数；

将所述方向通道的能量响应系数进行降序排列；

从降序排列后的所述能量响应系数中选取前指定个能量响应系数作为有效元素；

将所述有效元素中的尺度最大值确定为所述视觉信息计算模型的最大尺度；

将所述有效元素对应的方向确定为所述视觉信息计算模型的有效方向。

4.根据权利要求1所述的方法，其特征在于，根据所述最大尺度和所述有效方向确定PCNN模型的参数W和M包括：

根据所述最大尺度确定W和M的矩阵长度；

将W和M中所述有效方向对应的元素的值置为1，其余元素值置为0。

5.根据权利要求1所述的方法，其特征在于，根据所述最大尺度和所述有效方向确定PCNN模型的参数W和M之后，所述方法还包括：

设置所述PCNN模型中的突触间的连接强度系数其中，λ(s，θ)为能量响应系数，s表示所述视觉信息计算模型的尺度，θ表示所述视觉信息计算模型的方向；所述m和n分别是M和W的矩阵的长度。

6.根据权利要求1所述的方法，其特征在于，基于所述确定的W和M对应的PCNN模型对所述当前图像进行图像分析包括：

基于Gabor函数计算所述像素点的K×K邻域内各个像素点的M的方向相似性；其中，K为所确定的W的矩阵的行数或列数；

如果所述方向相似性在指定范围内，对所述K×K邻域内的像素点进行一次点火，得到所述K×K邻域内的像素点的图像分析数据。

7.一种基于脉冲耦合神经网络PCNN模型的图像分析装置，其特征在于，包括：

像素点选择模块，用于在当前图像上随机选择一个像素点；

方向通道能量计算模块，用于通过变换视觉信息计算模型的窗口大小，计算所述像素点选择模块选择的所述像素点与其邻域对应的方向通道的最大能量；

尺度与方向确定模块，用于根据所述方向通道能量计算模块计算的每个所述方向通道的最大能量确定所述视觉信息计算模型的最大尺度和有效方向；

参数确定模块，用于根据所述尺度与方向确定模块确定的所述最大尺度和所述有效方向确定PCNN模型的参数W和M，其中，M为反馈输入域的连接矩阵；W为耦合连接域的连接矩阵；

图像分析模块，用于基于所述参数确定模块确定的W和M对应的PCNN模型对所述当前图像进行图像分析。