潘 改,王 菲,丁 琦,崔兆華
(1.江蘇師范大學(xué) 電氣工程及自動(dòng)化學(xué)院,江蘇 徐州 221116;2.32126 部隊(duì),遼寧 沈陽(yáng) 110113)
關(guān)鍵字:感覺亮度;衰減時(shí)間常數(shù);脈沖耦合神經(jīng)網(wǎng)絡(luò)模型
由于脈沖耦合神經(jīng)網(wǎng)絡(luò)模型參數(shù)眾多[1-2],參數(shù)的選擇影響到脈沖耦合神經(jīng)網(wǎng)絡(luò)模型的分割效果。如何選擇最佳參數(shù),成為脈沖耦合神經(jīng)網(wǎng)絡(luò)模型研究的難點(diǎn)之一。
為了尋找脈沖耦合神經(jīng)網(wǎng)絡(luò)模型算法的最佳參數(shù),WEI 等人提出圖像灰度均值與衰減時(shí)間常數(shù)成反比,根據(jù)圖像灰度均值確定衰減時(shí)間常數(shù)[3];WU 等人提出圖像灰度值均方誤差作為內(nèi)部活動(dòng)項(xiàng)的連接系數(shù)[4];HE 等人提出布谷鳥搜索算法解決參數(shù)的設(shè)定問題[5];GUO 等人根據(jù)斯蒂文思冪定律定義衰減時(shí)間常數(shù),基于側(cè)抑制產(chǎn)生動(dòng)態(tài)閾值,不需要人工參與,用于紅外圖像的分割[6]。
雖然文獻(xiàn)[3-6]提出了不同的參數(shù)設(shè)置方法,改進(jìn)了傳統(tǒng)的脈沖耦合神經(jīng)網(wǎng)絡(luò)模型,但分割含有弱邊界、對(duì)比度低的圖像目標(biāo)時(shí),依然難以得到理想的分割效果。
在神經(jīng)元模型的基礎(chǔ)上,JOHNSON 和PADGETT 將神經(jīng)元構(gòu)建成非線性動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò),神經(jīng)元之間互相連接、互相影響,提出脈沖耦合神經(jīng)網(wǎng)絡(luò)(Pulse Couple Neural Network,PCNN)模型[1-2],該模型的數(shù)學(xué)公式描述如下:
式中:n為迭代次數(shù),Iij為像素(i,j)的灰度值,F(xiàn)ij為反饋輸入,Lij為連接輸入項(xiàng),VL為耦合連接域的放大系數(shù),Wijkl為耦合連接域中神經(jīng)元Fij與Fkl的連接權(quán)值,Uij為內(nèi)部活動(dòng)項(xiàng),β為內(nèi)部活動(dòng)項(xiàng)的連接系數(shù),描述神經(jīng)元與鄰域神經(jīng)元之間互相影響的程度;θij為動(dòng)態(tài)閾值,描述神經(jīng)元的衰減特性;αθ為衰減時(shí)間常數(shù),影響神經(jīng)元的衰減速度;Vθ為放大系數(shù),Yij為脈沖信號(hào),將圖像分割為目標(biāo)和背景。
圖像中像素點(diǎn)與鄰域像素點(diǎn)互相連接、互相影響,符合模型中神經(jīng)元的特性,將像素點(diǎn)的灰度值作為神經(jīng)元的內(nèi)部激勵(lì)項(xiàng),給定系數(shù)β,Wijkl及VL,描述神經(jīng)元與鄰域神經(jīng)元之間互相影響的程度。當(dāng)內(nèi)部活動(dòng)項(xiàng)大于動(dòng)態(tài)閾值,脈沖信號(hào)輸出為1;當(dāng)內(nèi)部活動(dòng)項(xiàng)小于動(dòng)態(tài)閾值,脈沖信號(hào)輸出為0。根據(jù)脈沖信號(hào)將圖像分割為目標(biāo)和背景。
由于脈沖耦合神經(jīng)網(wǎng)絡(luò)模型的參數(shù)眾多,參數(shù)的選擇往往影響圖像的分割效果,特別是對(duì)于弱邊界、對(duì)比度低的圖像目標(biāo)進(jìn)行分割時(shí)。
脈沖耦合神經(jīng)網(wǎng)絡(luò)模型參數(shù)較多,其中動(dòng)態(tài)閾值的衰減時(shí)間常數(shù)的設(shè)置直接影響脈沖信號(hào)的輸出結(jié)果,影響圖像的分割效果。為了尋找最優(yōu)的衰減時(shí)間常數(shù),根據(jù)圖像自身特點(diǎn),使神經(jīng)元的衰減速度不宜過快或過慢,衰減速度應(yīng)符合人眼的視覺感受。本文基于韋伯-費(fèi)赫涅爾定律,考慮到人眼的感覺亮度與實(shí)際亮度對(duì)數(shù)之間的線性關(guān)系,提出將人眼的感覺亮度作為動(dòng)態(tài)閾值的衰減時(shí)間常數(shù),使神經(jīng)元?jiǎng)討B(tài)閾值的衰減速度更符合人眼的亮度感覺,理論上更符合神經(jīng)元的衰減特性。韋伯-費(fèi)赫涅爾定律如式(6)所示:
式中:k為線性系數(shù),k0為常數(shù)。
將感覺亮度Sij代替?zhèn)鹘y(tǒng)脈沖耦合神經(jīng)網(wǎng)絡(luò)模型中的衰減時(shí)間常數(shù)αθ,得到新的動(dòng)態(tài)閾值:
在改進(jìn)模型里,像素點(diǎn)的灰度值越大,神經(jīng)元的衰減速度越快;像素點(diǎn)的灰度值越小,神經(jīng)元的衰減速度越慢。神經(jīng)元的衰減速度與人眼的感覺亮度的大小有關(guān),符合人眼的視覺習(xí)慣。
為驗(yàn)證本文算法的有效性,在Matlab 2014a軟件上進(jìn)行仿真對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)主要涉及傳統(tǒng)的脈沖耦合神經(jīng)網(wǎng)絡(luò)模型算法和本文提出的改進(jìn)衰減時(shí)間常數(shù)的脈沖耦合神經(jīng)網(wǎng)絡(luò)模型算法。要分割的目標(biāo)具有對(duì)比度低、弱邊界的特點(diǎn),圖像來源于天堂圖片網(wǎng)網(wǎng)站。在仿真實(shí)驗(yàn)中,脈沖耦合神經(jīng)網(wǎng)絡(luò)模型算法的主要參數(shù)設(shè)置為:β=0.1,αθ=1.0,Vθ=20,VL=0.2,,本文提出的改進(jìn)算法的主要參數(shù)k=0.2。
圖1(a)是要分割的臘梅灰度圖像,要分割的圖像目標(biāo)是臘梅和臘梅枝,其余是背景。圖像背景簡(jiǎn)單,目標(biāo)存在邊界模糊、不清晰、目標(biāo)和背景的像素點(diǎn)的灰度值存在重疊區(qū)域的特點(diǎn),特別是小部分的臘梅花瓣和大部分的臘梅枝的像素點(diǎn)的灰度值更接近背景像素點(diǎn),容易誤分割為圖像背景,成為目標(biāo)分割的難點(diǎn)。圖1(b)是采用傳統(tǒng)的脈沖耦合神經(jīng)網(wǎng)絡(luò)模型算法得到的分割效果圖,可以看出絕大部分的臘梅花瓣被準(zhǔn)確分割出來,小部分被誤分割為背景區(qū)域,而臘梅枝基本上被誤分割為背景區(qū)域。圖1(c)是采用本文提出的改進(jìn)算法得到的分割效果圖,可以看出臘梅花瓣被很好地分割出來,小部分臘梅枝也被分割出來。雖然沒有完整地分割出臘梅枝區(qū)域,但是與傳統(tǒng)的脈沖耦合神經(jīng)網(wǎng)絡(luò)模型的分割效果相比,本文提出的算法效果優(yōu)于傳統(tǒng)的分割算法。
圖1 對(duì)臘梅圖像的分割
圖2(a)是要分割的夜晚月牙的灰度圖像,要分割的圖像目標(biāo)是月牙,其余是圖像背景??梢钥闯?,圖像背景簡(jiǎn)單,月牙邊界模糊,部分像素點(diǎn)更接近背景。圖2(b)是采用傳統(tǒng)的脈沖耦合神經(jīng)網(wǎng)絡(luò)模型算法得到的分割效果圖,可以看出遠(yuǎn)離背景像素點(diǎn)灰度值的月牙部分被分割出來,而接近于背景像素點(diǎn)灰度值的月牙部分被誤分割為背景區(qū)域,屬于欠分割現(xiàn)象,說明傳統(tǒng)的脈沖耦合神經(jīng)網(wǎng)絡(luò)模型算法難以準(zhǔn)確分割出弱邊界、對(duì)比度低的圖像目標(biāo)。圖2(c)是本文提出算法的分割效果圖,可以看出月牙區(qū)域大部分被很好地分割出來,效果優(yōu)于傳統(tǒng)算法。
圖2 對(duì)月牙圖像的分割
通過對(duì)圖1 臘梅灰度圖像和圖2 月牙灰度圖像的仿真對(duì)比實(shí)驗(yàn),說明本文提出的改進(jìn)算法優(yōu)于傳統(tǒng)脈沖耦合神經(jīng)網(wǎng)絡(luò)模型,更適用于背景簡(jiǎn)單、目標(biāo)與背景的對(duì)比度低、邊界信息模糊的圖像分割,主要原因是傳統(tǒng)脈沖耦合神經(jīng)網(wǎng)絡(luò)模型算法的衰減時(shí)間常數(shù)采用固定值,動(dòng)態(tài)閾值的衰減速度過快或過慢于實(shí)際要分割圖像目標(biāo)需要的衰減速度時(shí),影響神經(jīng)元的內(nèi)部活動(dòng)項(xiàng)與動(dòng)態(tài)閾值的比較結(jié)果,發(fā)送錯(cuò)誤的脈沖信號(hào),產(chǎn)生誤分割現(xiàn)象。而本文考慮到感覺亮度與實(shí)際亮度對(duì)數(shù)之間的線性對(duì)應(yīng)關(guān)系,將人眼的感覺亮度作為衰減時(shí)間常數(shù),更符合人眼的視覺特性。
為了尋找動(dòng)態(tài)閾值的衰減時(shí)間常數(shù)的最優(yōu)參數(shù),根據(jù)圖像自身特性,使神經(jīng)元?jiǎng)討B(tài)閾值的衰減速度不宜過快或過慢,基于韋伯-費(fèi)赫涅爾定律,考慮到人眼的感覺亮度與實(shí)際亮度對(duì)數(shù)之間的線性關(guān)系,本文提出將人眼的感覺亮度作為動(dòng)態(tài)閾值的衰減時(shí)間常數(shù),使神經(jīng)元?jiǎng)討B(tài)閾值的衰減速度更符合人眼的亮度感覺,理論上更符合神經(jīng)元的衰減特性。