[发明专利]一种基于脉冲耦合神经网络的彩色图像分割方法及装置

说明书

本发明提供一种基于脉冲耦合神经网络的彩色图像分割方法及装置，包括：S1，将第一彩色图像的颜色空间转换成LAB颜色空间，生成第二彩色图像；S2，使用改进的PCNN模型分别给所述第二彩色图像中的所有像素标记上对应的标签，所述改进的PCNN模型包括连接控制单元。本发明通过对第一彩色图像进行空间转换，通过连接控制单元接收彩色图像的频谱输入，使用改进的PCNN模型对像素进行标记，从而实现彩色图像的分割。

技术领域

本发明涉及图像处理领域，更具体地，涉及一种基于脉冲耦合神经网络的彩色图像分割方法及装置。

背景技术

图像分割是指给图像中的每个像素分配一个标签，以使相同标签的像素具有相似特征的过程。根据分割结果可以对场景中的目标和感兴趣区域进行识别，在机器视觉、图像理解和基于内容的检索中具有重要作用。随着计算机技术和图像传感器技术的发展，彩色图像处理成为了图像处理领域研究的热点。

由于彩色图像分割的算法复杂、计算量大，图像分割的早期研究主要针对灰度图像，忽略了图像的颜色信息。脉冲耦合神经网络(Pulse Coupled Neural Networks,PCNN)是一种第三代神经网络，是依据猫的大脑视觉皮层上的同步脉冲发放现象提出的。它是一个二维的平面晶格结构，与图像中的像素一一对应。像素所对应的脉冲耦合神经元的动态发放模式同时可以描述像素的自身属性(灰度或颜色)和其在图像中的空间结构属性，神经元间通过动态脉冲耦合实现信息的传播和交互。在图像分割中，具有相似特征的相邻像素对应的神经元在同一时刻激发，这些神经元具有相同的标记。

由于传统PCNN神经元的馈入单元只能接收标量形式的输入，不能接收向量的输入，因此只能进行灰度图像的分割，不能进行彩色图像的分割。

发明内容

为克服上述PCNN模型不能用于彩色图像分割的问题，本发明提供了一种基于脉冲耦合神经网络的彩色图像分割方法及装置。

根据本发明的第一方面，提供一种基于脉冲耦合神经网络的彩色图像分割方法，包括：

S1，将第一彩色图像的颜色空间转换成LAB颜色空间，生成第二彩色图像；

S2，使用改进的PCNN模型分别给所述第二彩色图像中的所有像素标记上对应的标签，所述改进的PCNN模型包括连接控制单元。

具体地，S2进一步包括：

S21，使用连接强度为初始值的所述改进的PCNN模型对所述第二彩色图像进行特征提取；

S22，增大所述改进的PCNN模型的连接强度，使用连接强度增大后的所述改进的PCNN模型对所述第二彩色图像进行特征提取，直到不满足所述第一预设条件和所述第二预设条件；或者，

当不满足所述第一预设条件和所述第二预设条件时，将最后一次迭代提取的所述第二彩色图像的特征对应的像素标记为相同标签；

其中，所述第一预设条件为增大后的连接强度小于第一预设阈值；

所述第二预设条件为计算该次迭代前后提取出的所述第二彩色图像的特征之间的距离，所述距离小于第二预设阈值，或此次迭代提取出的所述第二彩色图像的特征的个数小于第三预设阈值。

所述连接控制单元LCU的公式为：