[發明專利]一種基于長短時程突觸互補神經元網絡的邊緣檢測方法

有效

• 申請號: 202010049326.9
• 申請日: 2020-01-16
• 公開（公告）號: CN111145199B
• 公開（公告）日: 2023-02-03
• 發明（設計）人: 范影樂;余翔;武薇
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06T7/13
• 分類號: G06T7/13
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 楊舟濤

1.一種基于長短時程突觸互補神經元網絡的邊緣檢測方法，其特征在于，該方法具體包括以下步驟：

步驟(1)構建具有長短時程突觸互補特性神經元網絡，其尺寸與待測圖像map(i,j)相同，i＝1,2,…,M；j＝1,2,…,N，其中M、N分別表示待測圖像的長、寬尺寸；

步驟(2)考慮到不同顏色拮抗通道對邊緣檢測結果的影響程度并不相同，因此構建顏色拮抗加權編碼模塊，定義顏色拮抗影響因子，通過對不同顏色拮抗通道的響應進行加權編碼，獲得加權編碼響應S_result(i,j)；具體實現過程如下：

首先獲取map(i,j)的紅、綠、藍、黃色分量R(i,j)、G(i,j)、B(i,j)以及Y(i,j)，其中黃色分量與紅，綠分量的關系如式(1)所示；

Y(i,j)＝(R(i,j)+G(i,j))/2 (1)

以R⁺/G^-顏色拮抗通道為例，為模擬單中心結構的感受野，提取待測圖像的局部信息，對紅色分量R(i,j)和藍色分量G(i,j)，進行相同尺度σ＝1.5的二維高斯函數處理，得到然后進行如式(2)所示的單顏色拮抗編碼，獲得R⁺/G^-顏色拮抗通道所對應的單顏色拮抗編碼響應S_rg(i,j)；

式中，λ₁λ₂，λ₁,λ₂∈(0,1)表示視錐細胞的輸入權重，反映了圖像的亮度信息與色度信息強度；同理，可得到其他三個顏色拮抗通道G⁺/R^-、B⁺/Y^-、Y⁺/B^-的單顏色拮抗編碼響應S_gr(i,j)、S_by(i,j)、S_yb(i,j)；

對于不同的待測圖像，主導圖像顏色信息的拮抗通道并不相同，因此定義顏色拮抗影響因子；以R⁺/G^-顏色拮抗通道為例，如式(3)所示；

式中，分別表示紅、綠、藍、黃色分量的平均值；同理可得其他三個顏色拮抗通道G⁺/R^-、B⁺/Y^-、Y⁺/B^-的顏色拮抗影響因子μ_g、μ_b、μ_y；

利用顏色拮抗影響因子μ_r、μ_g、μ_b、μ_y對待測圖像的單顏色拮抗編碼響應S_rg(i,j)、S_gr(i,j)、S_by(i,j)、S_yb(i,j)進行加權編碼，獲得待測圖像四個顏色拮抗通道的加權編碼響應S_result(i,j)，如式(4)所示；

S_result(i,j)＝μ_r×S_rg(i,j)+μ_g×S_gr(i,j)+μ_b×S_by(i,j)+μ_y×S_yb(i,j) (4)

步驟(3)構建放電時間編碼模塊，將獲得的待測圖像四個顏色拮抗通道的加權編碼響應S_result(i,j)編碼為時間相關的信息，以模擬輸入信號強度對神經元首次放電時間和放電頻率的影響；

構建邊界長度為L的突觸作用窗口D_n(x,y)，其中L為奇數，x,y＝1,2,…,L，n＝1,2,…,M×N，周圍調制神經元(k,l)作為突觸前神經元，中央調制神經元(m,n)作為突觸后神經元，通過對D_n(x,y)進行滑動移窗的方式，使中央調制神經元與S_result(i,j)中各元素一一對應；同時，為解決邊界溢出問題，在S_result(i,j)矩陣的邊緣進行零填充，使其尺寸變為

考慮到神經元間的動態突觸連接具有脈沖時序依賴性和脈沖頻率依賴性，此時輸入信號強度將是影響上述特性的關鍵因素之一；因此利用Izhikevich神經元模型，在突觸作用窗口D_n(x,y)中，分別對S_result(i,j)進行放電時間編碼，從而獲得D_n(x,y)中各神經元的首次放電時間t_n(x,y)，構成時間矩陣T_n(x,y)，并記各T_n(x,y)中元素最大值為t_max_n，最小值為t_min_n；之后，計算D_n(x,y)中各神經元首次放電時間的平均值t_aver_n，如式(5)所示；

步驟(4)構建長短時程突觸互補編碼模塊，對步驟(3)所得的T_n(x,y)進行長短時程突觸互補編碼；

定義短時程突觸作用的時間鄰域，基于神經元群體放電頻率編碼，對T_n(x,y)進行短時程突觸可塑性編碼；具體實現過程如下：

首先定義t_aver_n的一個鄰域(t_aver_n-t_short_n,t_aver_n+t_short_n)為短時程突觸作用的時間鄰域，t_short_n定義如式(6)所示；

然后統計D_n(x,y)內神經元群體的簇放電頻率f_n，如式(7)所示；

其中m_n表示D_n(x,y)中，t_n(x,y)∈(t_aver_n-t_short_n,t_aver_n+t_short_n)的神經元個數；

為保證神經元間突觸連接的非線性特性，并為了保證魯棒性，避免突觸作用發生較大的波動，將頻率因素進行非線性激活，從而獲得D_n(x,y)內短時程突觸作用系數Syp_short_n，如式(8)所示；

式中，λ、g為常量；

步驟(5)考慮到長時程的突觸連接在神經元的集群表達過程中，將受到各神經元的放電時序和空間拓撲結構影響；因此基于神經元群體時空編碼，對步驟(3)所獲得的T_n(x,y)進行長時程突觸可塑性編碼；具體實現過程如下：

長時程突觸動態連接被視為是大腦學習能力和記憶能力的基礎，突觸前后神經元的放電順序決定了長時程突觸的連接作用呈現長時程增強或是抑制；因此，對D_n(x,y)中的神經元進行放電時序編碼，并進行非線性激活，得到放電時序編碼響應t_in_n(k,l)，如式(9)所示；

式中，t_n(m,n)、t_n(k,l)分別表示突觸作用窗口D_n(x,y)中央調制神經元和周圍調制神經元的首次放電時間，τ是突觸作用時間尺度系數，衡量長時程突觸作用對時間因素的敏感程度；

接著，對神經元進行空間拓撲編碼；計算D_n(x,y)中位于(k,l)的周圍調制神經元與位于(m,n)的中央調制神經元的歐氏距離，如式(10)所示，并記其中的最大值為d_max；

然后，對d(k,l)進行高斯函數處理，如式(11)所示，當d(k,l)＝1時，s(k,l)取到最大值s_max；當d(k,l)＝d_max時，s(k,l)取到最小值為s_min；

式中，a、b、c均為常量：a表示高斯函數曲線的尖峰系數；b表示突觸作用窗口中周圍調制神經元與中央調制神經元的歐氏距離最小值，此時突觸作用最強；c是突觸作用空間尺度系數，衡量長時程突觸作用對空間因素的敏感程度；

對s(k,l)進行歸一化操作，得到空間拓撲編碼響應s_in(k,l)，如式(12)所示；

然后，將放電時序編碼響應t_in_n(k,l)與空間拓撲編碼響應s_in(k,l)相乘，得到長時程突觸作用矩陣Syp_long_n(k,l)，如式(13)所示；

式中的限制條件表示，當周圍調制神經元先于中央調制神經元放電時，長時程突觸作用呈現增強趨勢，反之呈現減弱趨勢；

同時為保證運算正常，給長時程突觸作用矩陣中心元素賦值Syp_long_n(m,n)＝0.1，構成長時程突觸作用系數矩陣Syp_long_n(x,y)；

步驟(6)將步驟(4)獲得的Syp_short_n與步驟(5)獲得的Syp_long_n(x,y)相乘，獲得長短時程突觸可塑性互補的作用矩陣Syn_n(x,y)，即具有長短時程突觸互補特性的突觸作用窗口，如式(14)所示；

Syn_n(x,y)＝Syn_short_n×Syn_long_n(x,y) (14)

Syn_n(x,y)通過與放電時間矩陣T_n(x,y)進行卷積操作，實現D_n(x,y)內的長短時程突觸可塑性互補編碼，如式(15)所示；

Res_n(x,y)＝T_n(x,y)*Syn_n(x,y) (15)

將Res_n(x,y)按照D_n(x,y)在S_result(i,j)中對應的位置重構，即可得到邊緣響應結果Res(i,j)；并記Res(i,j)中元素的最大值為Res_max，最小值為Res_min；

步驟(7)最后，在歸一化層將Res(i,j)進行灰度歸一化和灰度映射操作，即可得到基于長短時程突觸互補神經元網絡的邊緣檢測結果，如式(16)所示；