[發(fā)明專利]一種基于Spiking神經(jīng)網(wǎng)絡(luò)的圖像分割方法

有效

• 申請?zhí)枺?/td>: 201310210479.7
• 申請日: 2013-05-31
• 公開（公告）號: CN103279958A
• 公開（公告）日: 2013-09-04
• 發(fā)明（設(shè)計）人: 屈鴻;侯孟書;王曉斌;朱宗花;劉貴松;謝修蕊;潘婷
• 申請（專利權(quán)）人: 電子科技大學(xué)
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T9/00;G06N3/02
• 代理公司: 成都華典專利事務(wù)所(普通合伙) 51223
• 代理人: 徐豐;楊保剛

1.一種基于Spiking神經(jīng)網(wǎng)絡(luò)的圖像分割方法，其特征在于包括如下步驟：

步驟1、基于高斯接受域的方法采用群體神經(jīng)元對圖像像素灰度值編碼，即采用10個SRM神經(jīng)元編碼像素灰度值得到相應(yīng)的脈沖發(fā)放時間，編碼后，每個像素對應(yīng)9個興奮型神經(jīng)元以及1個抑制型神經(jīng)元；

步驟2、根據(jù)上述編碼后的脈沖發(fā)放時間，將其作為“二維輸出層”遞歸網(wǎng)絡(luò)的輸入，該遞歸網(wǎng)絡(luò)包括一個特征綁定層及一個圖像分割層，

其中特征綁定層內(nèi)的神經(jīng)元個數(shù)為圖像像素數(shù)的10倍，圖像分割層的神經(jīng)元個數(shù)為圖像分割后的所需區(qū)域數(shù)；

特征綁定層內(nèi)存在層內(nèi)的橫向連接，以及向圖像分割層的前饋連接；

圖像分割層存在向特征綁定層內(nèi)的反饋連接；

該“二維輸出層”遞歸網(wǎng)絡(luò)內(nèi)的神經(jīng)元均采用含突觸延時的0階SRM神經(jīng)元模型；

步驟3、對上述“二維輸出層”網(wǎng)絡(luò)內(nèi)的神經(jīng)元按照STDP與winner-takes-all的學(xué)習(xí)規(guī)則以及同步與異步相結(jié)合的網(wǎng)絡(luò)對象仿真策略在指定的迭代次數(shù)下進行訓(xùn)練；

具體而言，每次訓(xùn)練過程中，從脈沖發(fā)放時間的優(yōu)先隊列中選取一個或多個winner神經(jīng)元，按照STDP規(guī)則僅改變與winner神經(jīng)元存在連接的神經(jīng)元間的權(quán)值，同時保證興奮型突觸的連接權(quán)值為正，抑制型神經(jīng)元的連接權(quán)值為負，與此同時，對神經(jīng)元的突觸延時進行動態(tài)改變，與winner神經(jīng)元存在輸入關(guān)系的神經(jīng)元之間的延時增加，存在輸出關(guān)系的神經(jīng)元之間的延時減少，并保證在1-9ms之間；

步驟4、采用競爭機制，具有相似像素灰度特征的神經(jīng)元越來越同步，而具有不同特征的神經(jīng)元的脈沖輸出時間差異越來越大，最終特征綁定層內(nèi)的神經(jīng)元的脈沖輸出映射至不同的分割區(qū)域中，基于特征綁定層內(nèi)的神經(jīng)元輸出時間對圖像進行解碼，根據(jù)脈沖發(fā)放時間的不同按分割后的區(qū)域數(shù)重置圖像矩陣，最終得到分割結(jié)果。

2.?根據(jù)權(quán)利要求1所述的一種基于Spiking神經(jīng)網(wǎng)絡(luò)的圖像分割方法，其特征在于：所述步驟3中所述同步與異步相結(jié)合的網(wǎng)絡(luò)對象仿真策略，具體步驟如下：

21)、對于每一次仿真，重新開始計時：

22)、對每個神經(jīng)元，檢查其屬性，若其值為1，取出該神經(jīng)元的lastFiringTime屬性的值并更新至firing優(yōu)先隊列中；

23）、在優(yōu)先隊列中，winner神經(jīng)元出隊；

24）、若winner神經(jīng)元為輸出層神經(jīng)元，由于存在遞歸連接，對每一個突觸前脈沖發(fā)放的神經(jīng)元，減少它與winner之間的連接權(quán)值，增加突觸延遲時間，對每一個突觸后脈沖發(fā)放的神經(jīng)元，增加它與winner之間的連接權(quán)值，減少突觸延遲時間；

25）、若winner神經(jīng)元為中間層神經(jīng)元，層內(nèi)與其橫向連接的神經(jīng)元權(quán)值增加，延時不變，對每一個突觸前脈沖發(fā)放的神經(jīng)元，減少它與winner之間的連接權(quán)值，增加突觸延遲時間。對每一個突觸后脈沖發(fā)放的神經(jīng)元，增加它與winner之間的連接權(quán)值，減少突觸延遲時間；

26）、仿真次數(shù)遞增，若小于給定的迭代次數(shù)，繼續(xù)下一次仿真，否則結(jié)束仿真。

3.根據(jù)權(quán)利要求2所述的一種基于Spiking神經(jīng)網(wǎng)絡(luò)的圖像分割方法，其特征在于：權(quán)值修改規(guī)則，包括以下步驟：

31）、初始化權(quán)值矩陣及延時矩陣，初始化輸出層的脈沖發(fā)放時間為10ms，根據(jù)神經(jīng)元模型，找出第一個脈沖發(fā)放的神經(jīng)元作為winner，若存在多個神經(jīng)元的脈沖發(fā)放時間皆為最短，則都記為winner神經(jīng)元，記錄其neuronID以及脈沖發(fā)放所需的時間；

32）、與winner神經(jīng)元無連接的權(quán)值不改變，有連接的按照STDP規(guī)則修改連接權(quán)值，并符合如下規(guī)則：

若winner神經(jīng)元為中間層神經(jīng)元，則與其相連的那個輸出層神經(jīng)元之間的延時減少5%，其他延時不變，若中間層內(nèi)有抑制型神經(jīng)元與其相連，權(quán)值按STDP規(guī)則修改后若大于0，將其重置為之前負的權(quán)值；

若winner神經(jīng)元為輸出層神經(jīng)元，則中間層興奮型神經(jīng)元與輸出層神經(jīng)元之間的延時增加5%，輸出層到中間層興奮型神經(jīng)元之間的延時減少5%，但都保證在2-9ms之間，若中間層的興奮型神經(jīng)元按照STDP規(guī)則修改后其連接權(quán)值小于0，則將其重置為之前正的連接權(quán)值。若有連接的按照上式STDP規(guī)則進行權(quán)值改變；

33)、重新開始下一次仿真，按照神經(jīng)元模型計算脈沖發(fā)放所需的時間，若有神經(jīng)元發(fā)放脈沖且時間小于winner神經(jīng)元脈沖發(fā)放的時間，則取脈沖發(fā)放時間最短的神經(jīng)元作為winner神經(jīng)元，記錄其neuronID以及脈沖發(fā)放所需的時間，若脈沖發(fā)放的時間大于winner神經(jīng)元脈沖發(fā)放的時間或無神經(jīng)元脈沖發(fā)放，則之前的winner仍然為winner神經(jīng)元；

34）、重復(fù)32）、33）直至達到設(shè)定的迭代次數(shù)。