[發明專利]基于雙簡化脈沖耦合神經網絡的坯布疵點分割方法

有效

• 申請號: 201210001201.4
• 申請日: 2012-01-04
• 公開（公告）號: CN102592266A
• 公開（公告）日: 2012-07-18
• 發明（設計）人: 石美紅;姜壽山;郭勇剛;寧長勝;馬進朝
• 申請（專利權）人: 西安工程大學
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 羅笛

1.基于雙簡化脈沖耦合神經網絡的坯布疵點分割方法，其特征在于，具體按照以下步驟實施：

步驟1：將相機采集的M×N大小待測坯布的數字圖像傳送至圖像緩存器；

步驟2：采用改進的局部二進制模式算子，對圖像緩存器中的數字圖像進行疵點特征提取計算，以消除光照不勻、紋理背景以及噪聲干擾的影響，凸顯疵點區，同時將計算得到的圖像大小壓縮至原圖像的n×n分之一；

步驟3：采用DSPCNN，對步驟2處理后的結果圖像分別進行高低亮度坯布疵點的分割迭代計算；

步驟4：判斷是否到設定的迭代次數t，如果不是，則轉步驟3進行迭代處理；如果是，則依據圖像的屬性分布特征，將步驟3的處理結果進行按照下式進行歸并計算，得到坯布疵點分割結果圖S：

S=HY⊕LYA≥0.4andB≥0.4HY+LYA<0.4orB<0.4.]]>

2.根據權利要求1所述的基于雙簡化脈沖耦合神經網絡的坯布疵點分割方法，其特征在于，所述的步驟2采用改進的局部二進制模式算子，對圖像緩存器中的數字圖像進行疵點特征提取計算，具體按照以下步驟實施：

1)獲取在同等光照下待測坯布的無疵點數字圖像IM，其大小大于等于2^2×n×(n×n)；

2)將無疵點數字圖像劃分為n×n大小的非重疊窗口，并計算在n×n大小窗口內的行、列像素平均屬性值，記作則：

ri‾=1xΣw=1x(1nΣj=0n-1Mij),]]>

cj‾=1xΣw=1x(1nΣi=0n-1Mij);]]>

其中，x＝2^2×n；i，j＝0，1，Λn-1；

3)將大小為M×N的待測坯布原始數字圖像劃分為n×n大小的非重疊窗口，并計算每個窗口內行、列像素的平均屬性值，記作r_i、c_j，則：

ri=1nΣj=0n-1Iij,]]>

cj=1nΣi=0n-1Iij;]]>

4)按照下式計算每個窗口內的特征值，記作g_kl，則：

rlibpk=Σi=0n-1f(abs(ri-ri‾ri‾))×2iclibpl=Σj=0n-1f(abs(cj-cj‾cj‾))×2jgkl=|rlibpk-clibpl|,]]>

其中，k=1,2,Λ,Mn;]]>l=1,2,Λ,Nn;]]>函數：

3.根據權利要求1所述的基于雙簡化脈沖耦合神經網絡的坯布疵點分割方法，其特征在于，所述的步驟3采用DSPCNN對步驟2處理后的結果圖像分別進行高低亮度坯布疵點分割的迭代計算，具體按照以下步驟實施：

1)計算當前待測圖像像素屬性均值和最小、最大屬性值，分別記作g_min、g_max，則：

g‾=1K×LΣi=0K-1Σj=0L-1gijgmin=min{gij,i=0,1,2ΛK-1;j=0,1,2ΛL-1}gmax=max{gij,i=0,1,2ΛK-1;j=0,1,2ΛL-1};]]>

2)計算當前待測圖像分布的特征參數，分別記作A、B、C，則：

A=g‾-gmingmax-gmin;]]>

B=gmax-g‾gmax-gmin;]]>

C=0.3×A×B×gmax2;]]>

3)將待測圖像劃分為劃分為m×m大小的重疊窗口，并初始化DSPCNN中的每一神經元：

設，大小為K×L的矩陣變量HN/LN、HL/LL、Hβ/Lβ、HU/LU、Hθ/Lθ、HY/LY分別是用于高低亮度疵點分割的神經元的外部刺激輸入、鏈接域的輸入、鏈接強度系數、調制耦合器輸出、變閾值函數輸出和脈沖生成器輸出；t為迭代控制變量；迭代循環次數為4；各變量初始化分別為：

HN_ij＝LN_ij＝g_ij；Hθ(0)＝g_max-C；Lθ(0)＝g_max+C；

HL＝LL＝Hβ＝Lβ＝HU＝LU＝HY＝LY＝0；t＝0；

按照下式對每個像素分別進行高低亮度疵點分割的迭代計算：

其中，分別為m×m當前窗口內點火神經和未點火神經元的外部刺激輸入均值。