[发明专利]基于视觉皮层处理机制的概念机神经网络图像分类方法

说明书

本发明公开了一种基于视觉皮层处理机制的概念机神经网络图像分类方法，包括通过神经网络对图像进行预处理，还包括搭建与V2层神经元连接的概念机网络，每类图像对应一个概念机C_i，每类图像所对应的正项判断依据为：h⁺＝x^TC_i⁺x，i为图像类别的数量；分别计算V2层神经元在不同空间方位上的概念机C；再根据不同方向上的概念机计算对应方向上的正向判据，再对各方向上的正向判据求平均值得到加强判据，再计算被分类图像在各分类类别的加强正项判据，由此确定j＝argmaxx^TC_i⁺x为该图像的分类判断依据。本发明其对图像分类的过程更接近于真实大脑的处理过程，可以较好地提取出输入图像的局部朝向信息，且通过概念机处理输入，可更准确地进行图像分类。

技术领域

本发明涉及图像处理技术领域，特别涉及一种图像分类方法。

背景技术

人工神经网络(ANNs)的广泛使用，使得图像分类精度得到了巨大提高，但是ANNs由于误差信号和权值的非局部转移，让其缺乏生物上的支撑，并存在能量消耗过大问题。脉冲神经网络(SNN)，由于其使用的是脉冲神经元(对输入进行积累，到达某一程度后神经元才会有输出)，因此具有类似于生物的属性；然而使用脉冲神经网络进行图像识别还处在不断发展阶段，基于人大脑的视觉皮层处理机制的脉冲神经网络的图像分类准确度还较低。

发明内容

有鉴于此，本发明的目的是提供一种基于视觉皮层处理机制的概念机神经网络图像分类方法，已解决现有基于脉冲神经网络的图像分类方法分流准确度较低的技术问题。

本发明基于视觉皮层处理机制的概念机神经网络图像分类方法，包括通过神经网络对图像进行预处理，所述神经网络包括输入层神经元、V1层神经元和V2层神经元，所述通过神经网络对图像进行预处理包括以下步骤：

1)以动态图片的形式输入图像，图像被表达成关于图片像素位置(x,y)和时间t的光强分布I(x,y,t)；然后在三个不同的时空尺度r＝0,1,2下处理输入，第一个尺度r＝0，此时的输入等同于原始输入，另外两个尺度需要连续地使用一个高斯核函数对上一尺度的输入进行模糊化；三种输入I_r(x,y,t)的表达如下：

I₀(x,y,t)＝I(x,y,t)

其中*表示卷积运算，然后使用一个三维高斯滤波器对输入进行滤波：

其中σ_v1simple＝1.25；

2)求取V1层简单型神经元的响应，V1层简单型神经元被建模为线性的空间-时间-方位滤波器，所述空间-时间-方位滤波器的数量为28个，其感受野为一高斯函数的三阶导数；将V1层简单型神经元集群的第k个滤波器描述为一个和该滤波器方向平行的单位向量u_k＝(u_k,x,u_k,y,u_k,t)，k＝1,2,…,28，只有当输入所对应的朝向和滤波器方向相同时，这个滤波器才会被激活；然后在空间位置(x,y)拥有空间-时间方位k的简单型神经元的线性响应为：

其中X＝3-Y-T，T和Y为求和变量，X、Y、T的取值范围为[0,3]，且三者之和等于3，α_V1lin＝6.6048；把线性响应L_k,r归一化到一条高斯包络线内便得到简单型神经元的响应：