[发明专利]一种基于Spiking神经网络的图像识别方法

摘要

本发明公开了一种基于Spiking神经网络的图像识别方法，属于图像处理技术领域，解决现有技术对图像识别效率较低、对图像的特征不能准确识别的问题。本发明基于高斯差分滤波的思想对图像特征进行了分离，再使用延迟相位的方法进行了编码，在编码完成后使用Spiking神经网络学习算法对所得特征序列进行了学习，最终得到识别输出的结果。相较传统的Spiking图像识别方法，该方法对图像的特征进行了细化，通过降维、整合、分离、提取等方式对图像局部特点进行了针对性优化，并利用了基于膜电压的Spiking神经网络学习算法，提高了识别过程的效率和准确度。本发明应用于图像识别、图像分类、图像特征提取、Spiking学习算法应用，涉及机器学习、Spiking神经网络、延迟相位编码等领域。

主权项

一种基于Spiking神经网络的图像识别方法，其特征在于，包括以下步骤：步骤1、将当前图像转换为灰度像素，获得灰度图；步骤2、对灰度图进行特征提取，得到灰度图区域特征关联的第一层神经元；步骤3、对第一层神经元再采样降维后得到第二层神经元；步骤4、使用相位延迟编码的方案将第二层神经元的特征强度转换为脉冲时间序列，对齐后再编码该脉冲时间序列；步骤5、将编码后的脉冲时间序列输入至Spiking神经网络，使用多张图片对Spiking神经网络初始的目标输出时间序列进行监督学习训练，训练后获得具有不同目标脉冲输出序列的Spiking神经网络；步骤6、将待测试图像经过步骤1至步骤4后输入至训练后的Spiking神经网络中，通过待测试图像的脉冲输出序列与目标脉冲输出序列的相似计算值最小判断得出待测试图像所属识别结果类。