一種基于Spiking的圖像角點(diǎn)檢測(cè)方法
【專利摘要】本發(fā)明公開了一種基于Spiking圖像角點(diǎn)檢測(cè)方法，屬于圖像處理技術(shù)領(lǐng)域，解決現(xiàn)有技術(shù)對(duì)角點(diǎn)檢測(cè)精度不高，缺乏對(duì)時(shí)間和空間特征的解釋問(wèn)題。本發(fā)明提出了一種基于Spiking神經(jīng)網(wǎng)絡(luò)的圖像角點(diǎn)檢測(cè)方法，該算法使用Spiking神經(jīng)元模板對(duì)圖像進(jìn)行掃描，并根據(jù)檢測(cè)神經(jīng)元的電壓變化等情況來(lái)確定圖像角點(diǎn)，可以較好的對(duì)圖像角點(diǎn)進(jìn)行檢測(cè)。Spiking神經(jīng)網(wǎng)絡(luò)使用電壓表示信息強(qiáng)度，使用脈沖傳遞信息，由于這種基于脈沖的信息表示方法具有很強(qiáng)的時(shí)序性，因此本發(fā)明借助于Spiking神經(jīng)網(wǎng)絡(luò)的優(yōu)勢(shì)，研究基于Spiking神經(jīng)網(wǎng)絡(luò)的圖像角點(diǎn)特征檢測(cè)。本發(fā)明應(yīng)用于圖像角點(diǎn)特征提取、光流計(jì)算、目標(biāo)識(shí)別、跟蹤、運(yùn)動(dòng)估計(jì)和三維重構(gòu)等涉及角點(diǎn)應(yīng)用的計(jì)算機(jī)視覺場(chǎng)合。涉及Spiking神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)。
【專利說(shuō)明】
一種基于Sp i k i ng的圖像角點(diǎn)檢測(cè)方法
技術(shù)領(lǐng)域
[0001] -種基于Spiking的角點(diǎn)檢測(cè)方法，本發(fā)明應(yīng)用于圖像角點(diǎn)特征提取、光流計(jì)算、 目標(biāo)識(shí)別、跟蹤、運(yùn)動(dòng)估計(jì)和三維重構(gòu)等涉及角點(diǎn)應(yīng)用的計(jì)算機(jī)視覺場(chǎng)合。涉及Spiking神 經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)。
【背景技術(shù)】
[0002] 圖像的角點(diǎn)特征是圖像處理時(shí)的重要特征，其特征具有很強(qiáng)的魯棒性，及具有旋 轉(zhuǎn)不變性和不隨光照變化的特性。這種特性在運(yùn)動(dòng)目標(biāo)追蹤、流光計(jì)算、運(yùn)動(dòng)評(píng)估分析以及 三維場(chǎng)景的構(gòu)建等場(chǎng)合有非常重要的作用。有關(guān)角點(diǎn)的定義，截止目前較為統(tǒng)一的說(shuō)法為： 局部曲率最大的邊緣點(diǎn)，對(duì)于一般的圖像而言，都具有很多角點(diǎn)，所以有關(guān)研究的方法具有 很強(qiáng)的普遍性和通用性。對(duì)此，大量國(guó)內(nèi)外學(xué)者開始了關(guān)于此特征檢測(cè)方法的研究。
[0003] 當(dāng)前，對(duì)于角點(diǎn)檢測(cè)比較經(jīng)典的算法有MIC方法、SUSAN方法、Harris方法等，目前 使用最多的是他1'1^8與31]341'1。學(xué)者他1'；1^8的？168867算子，該算法的優(yōu)點(diǎn)是操作實(shí)施較為 簡(jiǎn)單，當(dāng)前在角點(diǎn)檢測(cè)應(yīng)用中被廣泛使用，缺點(diǎn)主要在于檢測(cè)定位的精度不是特別理想，尤 其在一些特殊的角點(diǎn)檢測(cè)上容易丟失梯度信息或者大鈍角模糊型的角點(diǎn)，而且在計(jì)算時(shí)間 上也不是很理想。之后，Smith首次提出了 USAN的概念，并基于此設(shè)計(jì)了 SUSAN的角點(diǎn)檢測(cè)方 法，其最大優(yōu)點(diǎn)是方法十分簡(jiǎn)單，具有積分特性，抗噪性能良好，定位精度不受角點(diǎn)類型的 影響;缺點(diǎn)是由于實(shí)際圖像存在大量模糊性邊緣，容易產(chǎn)生偽響應(yīng)或者易丟失真實(shí)角點(diǎn)，導(dǎo) 致實(shí)際圖像的檢測(cè)率一般不及Harr is算法，此外積分過(guò)程也導(dǎo)致耗時(shí)較多。 MiroslavTrajkovic應(yīng)快速要求提出了 MIC算法。該算法有可能是目前灰度圖像處理中最快 的角點(diǎn)檢測(cè)方法。令人遺憾的是該方法雖然簡(jiǎn)單，卻易產(chǎn)生偽響應(yīng)，尤其在斜直邊緣或者模 糊性邊緣處;檢測(cè)水平一般，對(duì)噪聲也相當(dāng)敏感。不過(guò)它的快速性思想?yún)s得到了很好的推 廣，納入其它算法中可以加快速度。
[0004] 綜上所述，這些經(jīng)典的算法雖然有很多的優(yōu)點(diǎn)，但是存在的共同缺點(diǎn)是執(zhí)行的時(shí) 間較長(zhǎng)，在角點(diǎn)的定位準(zhǔn)確性上水平不高，并且在檢測(cè)的執(zhí)行性能方面較差，所以設(shè)計(jì)一種 能夠精確定位角點(diǎn)信息并且執(zhí)行速度和時(shí)間短的方法顯的十分必要，尤其在角點(diǎn)時(shí)間信息 和空間信息應(yīng)用的計(jì)算機(jī)視覺場(chǎng)合更具有很高的實(shí)用價(jià)值。
[0005] 被譽(yù)為"第三代神經(jīng)網(wǎng)絡(luò)模型"的Spiking神經(jīng)網(wǎng)絡(luò)，是能夠有效模擬生物神經(jīng)元 之間信息隨時(shí)間連續(xù)傳遞的動(dòng)力系統(tǒng)。該模型采用時(shí)間編碼方式組織信息，可以模擬真實(shí) 生物中的編碼機(jī)制，采用脈沖發(fā)放的精確時(shí)間進(jìn)行編碼，比傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的脈沖發(fā)放頻率 對(duì)信息編碼方式更接近實(shí)際生物神經(jīng)系統(tǒng)，無(wú)論是處理能力和計(jì)算速度都得到了巨大提 升。研究表明，Spiking神經(jīng)元本身就具備對(duì)外部輸入信息的非線性處理能力，相比前兩代 人工神經(jīng)網(wǎng)絡(luò)，Spiking具備更強(qiáng)的計(jì)算能力。Spiking神經(jīng)元模型在生物、神經(jīng)等學(xué)科中有 較多的研究，而在工程領(lǐng)域的應(yīng)用尚處于起步階段。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明針對(duì)現(xiàn)有技術(shù)的不足之處提供了一種基于Spiking的圖像角點(diǎn)檢測(cè)方法， 可以很好的利用生物神經(jīng)系統(tǒng)的空間和時(shí)間特性，并采用Spiking生物機(jī)制進(jìn)行處理，有效 捕獲圖像的時(shí)空信息，比現(xiàn)有技術(shù)更具仿生性和時(shí)空特性，從而圖像的角點(diǎn)特征可以更好 的應(yīng)用于圖像特征的表示以及其他有關(guān)角點(diǎn)的應(yīng)用。
[0007] 為了實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案為：
[0008] -種基于圖像輪廓的Spiking角點(diǎn)檢測(cè)方法，包括以下步驟：
[0009]步驟1:提取圖像邊緣，得到提取邊緣的圖像；
[0010] 步驟2:對(duì)圖像進(jìn)行預(yù)處理 [0011]步驟2a:圖像邊緣脈沖編碼
[0012] 采用線性延遲編碼對(duì)步驟1提取邊緣的圖像進(jìn)行時(shí)間編碼，得到圖像脈沖點(diǎn)火時(shí) 間；
[0013] 步驟2b:初始化圓形權(quán)值檢測(cè)模板
[0014]首先將圓形權(quán)值檢測(cè)模板的上半圓按照角度分為N等分，N的取值為4-180之間，第 i等份中神經(jīng)元權(quán)值由外到內(nèi)分別為（l-i/N)wl，（l-i/N)w2,（l-i/N)w3,其中，1 = 1，2,3··· N-1，'\￥1、'\￥2、'\￥3取值范圍為0-1之間的隨機(jī)值，規(guī)定第;[等份內(nèi)的神經(jīng)元為興奮性神經(jīng)元，其 他等份內(nèi)的神經(jīng)元為抑制性神經(jīng)元；
[0015] 下半圓的權(quán)值取值與上半圓對(duì)稱，下半圓內(nèi)均為抑制性神經(jīng)元，圓心位置的中心 神經(jīng)元沒(méi)有權(quán)值，完成圓形權(quán)值檢測(cè)模板初始化；
[0016] 步驟3:檢測(cè)的實(shí)施與檢測(cè)神經(jīng)網(wǎng)絡(luò)的構(gòu)建
[0017] 找到步驟2a編碼后的圖像邊緣像素點(diǎn)Pl，將圖像邊緣像素點(diǎn)Pl對(duì)應(yīng)圓形權(quán)值檢測(cè) 模板的圓心，像素點(diǎn)左側(cè)的像素點(diǎn)對(duì)應(yīng)興奮性神經(jīng)元，右側(cè)像素點(diǎn)對(duì)應(yīng)抑制性神經(jīng)元；
[0018] 根據(jù)步驟2b的圓形權(quán)值檢測(cè)模板，將檢測(cè)像素點(diǎn)周圍圖像像素點(diǎn)與圓形權(quán)值檢測(cè) 模板進(jìn)行全連接，圖像邊緣像素點(diǎn)設(shè)為相同的點(diǎn)火時(shí)間，以去除像素點(diǎn)先后順序的影響；
[0019] 通過(guò)一個(gè)判別神經(jīng)元，即網(wǎng)絡(luò)中第三層神經(jīng)元來(lái)判斷該圖像邊緣的像素點(diǎn)Pl是否 為角點(diǎn)；
[0020] 若判別神經(jīng)元電壓超過(guò)一定閾值，則表明此像素點(diǎn)是角點(diǎn)，否則不是，可以對(duì)閾值 進(jìn)行調(diào)整來(lái)得到不同角度的角點(diǎn)。
[0021] 與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)在于：
[0022] 一、運(yùn)用Spiking脈沖電壓閾值的檢測(cè)模板，優(yōu)化了網(wǎng)絡(luò)連接方式，降低權(quán)重復(fù)雜 度，提高了計(jì)算速度；
[0023]二、具有Spiking時(shí)序機(jī)制的處理方式，能夠高效捕獲時(shí)間信息。同時(shí)具有空間旋 轉(zhuǎn)位移不變性，高度仿生物大腦系統(tǒng)功能，捕獲圖像角點(diǎn)信息；
[0024]三、算法思想簡(jiǎn)單，操作較為容易，角點(diǎn)檢測(cè)較為準(zhǔn)確。
【附圖說(shuō)明】
[0025] 圖1線性延遲編碼；
[0026]圖2為本發(fā)明基于Spiking的角點(diǎn)檢測(cè)模板；
[0027]圖3為本發(fā)明基于Spiking的角點(diǎn)檢測(cè)方法；
[0028]圖4為本發(fā)明標(biāo)準(zhǔn)光學(xué)數(shù)字字符圖像；
[0029]圖5為本發(fā)明標(biāo)準(zhǔn)數(shù)字字符圖像邊緣提??；
[0030]圖6為本發(fā)明基于圖像輪廓的Spiking角點(diǎn)檢測(cè)結(jié)果；
[0031]圖7為本發(fā)明基于圖像輪廓的Spiking角點(diǎn)檢測(cè)結(jié)果，注意圖7為一幅幅圖；
[0032]圖8為本發(fā)明基于灰度圖像的Spiking角點(diǎn)檢測(cè)結(jié)果。
【具體實(shí)施方式】
[0033]基于圖像的Spiking角點(diǎn)檢測(cè)方法如下所示：
[0034] (1)基于傳統(tǒng)方法提取圖像邊緣，得到圖像邊緣，實(shí)驗(yàn)結(jié)果如圖5、圖7,簡(jiǎn)單數(shù)字圖 像、復(fù)雜圖像的邊緣提取結(jié)果。
[0035] (2)采用線性延遲編碼對(duì)步驟(1)提取邊緣的圖像進(jìn)行時(shí)間編碼，得到圖像脈沖點(diǎn) 火時(shí)間，具體編碼結(jié)構(gòu)圖如下圖1所示，其脈沖時(shí)間編碼公式如下，對(duì)圖像像素點(diǎn)按照下面 公式進(jìn)行編碼得到圖像脈沖點(diǎn)火時(shí)間。
[0036] a = T-1 Xi-Ts ?〇 "? α>0
[0037] t =< , 1 [1 Λ?? α<0
[0038] 此編碼方案以一個(gè)相對(duì)時(shí)間Ts為衡量標(biāo)準(zhǔn)，將帶編碼的任意實(shí)數(shù)xi，編碼到其相 對(duì)于Ts的點(diǎn)火時(shí)間上。其中ti為編碼后的時(shí)間值，T為常數(shù)時(shí)間編碼衡量標(biāo)準(zhǔn)，Ts設(shè)為當(dāng)前 像素值P i。脈沖時(shí)間編碼后，時(shí)間編碼為點(diǎn)火時(shí)間t i = 1，和不點(diǎn)火時(shí)間，t i = 0。
[0039] (3)初始化權(quán)值檢測(cè)模板:具體模板如下圖2所示，首先將圓形權(quán)值檢測(cè)模板的上 半圓按照角度分為N等分，N的取值為4-180之間，第i等份中神經(jīng)元權(quán)值由外到內(nèi)分別為（1-i/N)wl，（l-i/N)w2，（l-i/N)w3,其中，i = l，2,3-_N-l，wl、w2、w3 取值范圍為 0-1 之間的隨機(jī) 值，規(guī)定第i等份內(nèi)的神經(jīng)元為興奮性神經(jīng)元，如圖中紅色神經(jīng)元所示，其他等份內(nèi)的神經(jīng) 元為抑制性神經(jīng)元，如圖中藍(lán)色神經(jīng)元；
[0040] (3)首先在上述提取的邊緣像素點(diǎn)上找一點(diǎn)Pl，，將像素點(diǎn)Pl對(duì)應(yīng)到檢測(cè)模板的中 心，像素點(diǎn)側(cè)的像素點(diǎn)的方向?qū)?yīng)檢測(cè)模板的興奮性神經(jīng)元，相反一側(cè)對(duì)應(yīng)抑制性神 經(jīng)元。
[0041] (4)然后，將圖2中的紅色神經(jīng)元對(duì)準(zhǔn)檢測(cè)圖像角點(diǎn)的一邊，將圓形區(qū)域內(nèi)的圖像 像素點(diǎn)與定義的檢測(cè)模板進(jìn)行全連接，相關(guān)權(quán)值按照?qǐng)D3所示設(shè)置并進(jìn)行全連接。除了定義 的正方向左側(cè)為興奮性神經(jīng)元外，其他方向均為抑制性神經(jīng)元，并對(duì)神經(jīng)元的脈沖點(diǎn)火時(shí) 間進(jìn)行設(shè)置，讓神經(jīng)元統(tǒng)一點(diǎn)火，從而去除像素點(diǎn)先后順序變化的影響。
[0042] (4)其次，通過(guò)圖3中的判別神經(jīng)元對(duì)圖像像素點(diǎn)？1是否為角點(diǎn)進(jìn)行判斷，如果判 別神經(jīng)元的電壓累計(jì)值超過(guò)了設(shè)定的閾值，則說(shuō)明此像素點(diǎn)為角點(diǎn)，否則不是，還可以通過(guò) 不同的閾值調(diào)整對(duì)不同角度的角點(diǎn)進(jìn)行檢測(cè)。
[0043] (5)對(duì)于檢測(cè)到的角點(diǎn)，根據(jù)角點(diǎn)之間的距離，對(duì)于距離較近的角點(diǎn)進(jìn)行刪除，減 少角點(diǎn)的冗余。實(shí)驗(yàn)結(jié)果如下圖6、圖8,圖6是對(duì)簡(jiǎn)單的數(shù)字圖像進(jìn)行角點(diǎn)檢測(cè)，圖8對(duì)復(fù)雜 的圖像進(jìn)行角點(diǎn)檢測(cè)，從而驗(yàn)證本文提出的方法的有效性，不僅對(duì)簡(jiǎn)單的圖像，對(duì)復(fù)雜的圖 像的角點(diǎn)也有很好的作用。
【主權(quán)項(xiàng)】
1. 一種基于圖像的Spiking角點(diǎn)檢測(cè)方法，包括以下步驟： 步驟1:提取圖像邊緣，得到提取邊緣的圖像； 步驟2:對(duì)圖像進(jìn)行預(yù)處理 步驟2a:圖像邊緣脈沖編碼 采用線性延遲編碼對(duì)步驟1提取邊緣的圖像進(jìn)行時(shí)間編碼，得到圖像脈沖點(diǎn)火時(shí)間； 步驟2b:初始化圓形權(quán)值檢測(cè)模板 首先將圓形權(quán)值檢測(cè)模板的上半圓按照角度分為N等分，N的取值為4-180之間，第i等 份中神經(jīng)元權(quán)值由外到內(nèi)分別為（l-i/N)wl，（l-i/N)w2，（l-i/N)w3,其中，i = l，2,3…N-1， wl、w2、w3取值范圍為0-1之間的隨機(jī)值，規(guī)定第i等份內(nèi)的神經(jīng)元為興奮性神經(jīng)元，其他等 份內(nèi)的神經(jīng)元為抑制性神經(jīng)元； 下半圓的權(quán)值取值與上半圓對(duì)稱，下半圓內(nèi)均為抑制性神經(jīng)元，圓心位置的中心神經(jīng) 元沒(méi)有權(quán)值，完成圓形權(quán)值檢測(cè)模板初始化； 步驟3:檢測(cè)的實(shí)施與檢測(cè)神經(jīng)網(wǎng)絡(luò)的構(gòu)建 找到步驟2a編碼后的圖像邊緣像素點(diǎn)Pl，將圖像邊緣像素點(diǎn)？1對(duì)應(yīng)圓形權(quán)值檢測(cè)模板 的圓心，像素點(diǎn)左側(cè)的像素點(diǎn)對(duì)應(yīng)興奮性神經(jīng)元，右側(cè)像素點(diǎn)對(duì)應(yīng)抑制性神經(jīng)元； 根據(jù)步驟2b的圓形權(quán)值檢測(cè)模板，將檢測(cè)像素點(diǎn)周圍圖像像素點(diǎn)與圓形權(quán)值檢測(cè)模板 進(jìn)行全連接，圖像邊緣像素點(diǎn)設(shè)為相同的點(diǎn)火時(shí)間，以去除像素點(diǎn)先后順序的影響； 通過(guò)一個(gè)判別神經(jīng)元，即網(wǎng)絡(luò)中第三層神經(jīng)元來(lái)判斷該圖像邊緣的像素點(diǎn)？1是否為角 占. 若判別神經(jīng)元電壓超過(guò)一定閾值，則表明此像素點(diǎn)是角點(diǎn)，否則不是，可以對(duì)閾值進(jìn)行 調(diào)整來(lái)得到不同角度的角點(diǎn)。
【文檔編號(hào)】G06T7/00GK106097356SQ201610427938
【公開日】2016年11月9日
【申請(qǐng)日】2016年6月15日
【發(fā)明人】屈鴻, 陳常樂(lè), 解修蕊, 陳珊, 馬桂垚, 丁小云, 張馬路, 曾志
【申請(qǐng)人】電子科技大學(xué)