[发明专利]一种反馈式ICM神经网络和FPF相结合的剪影识别系统

说明书

一种反馈式ICM神经网络和FPF相结合的剪影识别系统，利用ICMNN具有的脉冲耦合特性，提取目标图像的完整轮廓；而所采用的反馈机制则对原始图像不断进行增强，从而达到抑制非同类目标同时增强同类目标的目的；随着不断迭代，FPF在经ICM处理过的图像中，不断搜索和目标边缘相似的候选目标，当找到可靠的同类目标时就会在相应位置产生较大的相关峰，而由于反馈机制的加入有效抑制其他非目标区域，从而使得其他区域的相关值降低，从而实现目标的可靠识别。本发明系统对于图中同类别的图像能够较好地识别，对具有一定旋转以及尺度变化的图像也具有较好的稳定性。与其他剪影识别算法相比计算量有所减小，工作量相应的降低，速度得到了增加。

技术领域

本发明一种反馈式ICM神经网络和FPF相结合的剪影识别系统，涉及图像识别技术领域。

背景技术

剪影识别是一种基于目标轮廓的图像识别技术，被广泛应用于机器人抓取，医学图像处理和基于内容的图像检索等领域。多年以来，出现了很多剪影识别算法，经典的有如下几种算法：1)基于统计学习的方法，基于统计学习的方法一般分成学习阶段(用于训练分类器)和分类阶段。学习阶段是在不同类别模式下的特征域内，评估每类目标边缘的分布；分类阶段是利用评估阶段得到的目标边缘分布对剪影图像进行分类。该类方法依赖于大量的统计特征，且容易出现过学习或过训练的现象。2)神经网络的方法，基于传统神经网络的方法，在学习阶段从不同类别的目标图像中提取一系列的特征参数，在分类阶段把提取的特征反馈给神经网络对图像进行分类，该方法需要对大量的测试图像进行学习才能进行相关的图像处理步骤。3)基于动态规划的方法，动态规划法是把未知目标边缘的图像和原目标图像作为一系列变量，然后计算两个变量之间的最短距离。该类方法若不事先采用穷举法计算出连接权值，就无法使用动态规划中常用的从后向前逐步递推的方法，因此计算量很大。

发明内容

针对以上几种经典剪影识别算法的不足，本发明提出了一种反馈式ICM神经网络和FPF相结合的剪影识别系统，该系统对于图中同类别的图像能够较好地识别，对具有一定旋转以及尺度变化的图像也具有较好的稳定性。与其他剪影识别算法相比计算量有所减小，工作量相应的降低，速度得到了增加。

本发明采取的技术方案为：

一种反馈式ICM神经网络和FPF相结合的剪影识别系统，利用ICMNN具有的脉冲耦合特性，提取目标图像的完整轮廓；而所采用的反馈机制则对原始图像不断进行增强，从而达到抑制非同类目标同时增强同类目标的目的；随着不断迭代，FPF在经ICM处理过的图像中，不断搜索和目标边缘相似的候选目标，当找到可靠的同类目标时就会在相应位置产生较大的相关峰，而由于反馈机制的加入有效抑制其他非目标区域，从而使得其他区域的相关值降低，从而实现目标的可靠识别。

一种反馈式ICM神经网络和FPF相结合的剪影识别系统，

步骤一：建立交叉视觉皮质模型ICM：

交叉视觉皮质模型ICM所构成的最小系统用以下三个式子来描述：

F_ij[n+1]＝fF_ij[n]+S_ij+W{Y[n]}_ij (1)

θ_ij[n+1]＝gθ_ij[n]+hY_ij[n+1] (3)

其中，输入矩阵为S，神经元的状态矩阵为F，输出矩阵为Y，动态阈值矩阵为θ，标量f和g小于1.0，令gf，可确保阈值最终低于神经元的状态值，促使神经元激发，标量h是一个很大的值，当神经元激发时，使得阈值急剧增加，从而抑制神经元的脉冲发放，使其进入不应期，即在一定时期内不再发放脉冲；