基于生物視覺模型的圖形圖像處理方法.pdf

1、探索生物視覺系統(tǒng)的工作原理，建立相應(yīng)的機(jī)器視覺系統(tǒng)，并將其應(yīng)用于圖形圖像處理中是當(dāng)前人工智能、計(jì)算機(jī)視覺、計(jì)算機(jī)圖形學(xué)和數(shù)字圖像處理領(lǐng)域的前沿課題。人類及哺乳動(dòng)物的視覺系統(tǒng)對(duì)信號(hào)的處理機(jī)制精確而復(fù)雜，能實(shí)時(shí)而充分地感知外界環(huán)境，進(jìn)而迅速做出判斷，從多項(xiàng)指標(biāo)進(jìn)行衡量，均好于目前絕大多數(shù)的機(jī)器視覺系統(tǒng)。因此，借鑒視覺神經(jīng)科學(xué)關(guān)于視覺神經(jīng)系統(tǒng)的生理結(jié)構(gòu)及信息處理過程的研究成果，構(gòu)建及改進(jìn)相應(yīng)的機(jī)器視覺模型，并將其應(yīng)用于計(jì)算機(jī)圖形圖像處理中具有

2、非常重要的科學(xué)意義與應(yīng)用價(jià)值。
　　脈沖耦合神經(jīng)網(wǎng)絡(luò)是參照貓的大腦皮層視覺區(qū)神經(jīng)元同步脈沖發(fā)放特性所建立的一種生物視覺模型。該模型作為一種新型的圖像處理工具，具有以空間鄰近和亮度相似集群的特點(diǎn)，已廣泛應(yīng)用于數(shù)字圖像處理的各個(gè)領(lǐng)域，如圖像濾波、圖像分割、圖像融合、圖像邊緣和目標(biāo)檢測(cè)、圖像特征提取等。本文在分析與總結(jié)國(guó)內(nèi)外相關(guān)研究工作的基礎(chǔ)上，一方面將該模型從圖像處理領(lǐng)域擴(kuò)展應(yīng)用到圖形處理領(lǐng)域中——點(diǎn)云去噪，網(wǎng)格去噪及拼接，另一方面則

3、在已有的研究基礎(chǔ)上，更加深入探討該模型在彩色圖像去噪、彩色圖像分割、彩色圖像融合這三個(gè)圖像處理問題上的應(yīng)用。本文主要研究?jī)?nèi)容和取得的成果包括:
　　首先，本文提出一種基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的點(diǎn)云曲面去噪方法。該方法主要分為兩步:噪聲點(diǎn)定位與噪聲點(diǎn)濾波。首先針對(duì)點(diǎn)云曲面構(gòu)建一個(gè)脈沖耦合神經(jīng)網(wǎng)絡(luò)，各個(gè)神經(jīng)元的外部刺激值由鄰近點(diǎn)的幾何位置差異與法向差異構(gòu)成，利用神經(jīng)元輸出的點(diǎn)火捕獲特性，實(shí)現(xiàn)對(duì)噪聲點(diǎn)的定位;再針對(duì)點(diǎn)云曲面中的噪聲點(diǎn)，基于網(wǎng)

4、格光順中雙邊濾波的思想，實(shí)現(xiàn)噪聲點(diǎn)的濾波，對(duì)于非噪聲點(diǎn)，則保持原有的幾何位置不變。實(shí)驗(yàn)結(jié)果表明，該方法在有效去除噪聲點(diǎn)的同時(shí)，能同時(shí)保持模型的幾何特征。
　　其次，本文提出一種基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的三維網(wǎng)格去噪，融合及拼接方法。該方法結(jié)合脈沖耦合神經(jīng)網(wǎng)絡(luò)及雙邊濾波算法實(shí)現(xiàn)對(duì)三維網(wǎng)格的去噪，通過融合重疊區(qū)域的頂點(diǎn)以及帶邊約束的基于點(diǎn)鄰域平坦度的網(wǎng)格重構(gòu)算法，實(shí)現(xiàn)了大交疊區(qū)域的三角網(wǎng)格的拼接，避免了因刪除重疊區(qū)域的頂點(diǎn)而需要的補(bǔ)洞操作

5、以及裁剪而產(chǎn)生的細(xì)碎三角形。首先，基于有向包圍盒的思想，對(duì)網(wǎng)格的重疊區(qū)域進(jìn)行快速定位;然后針對(duì)重疊區(qū)域的網(wǎng)格頂點(diǎn)，利用移動(dòng)最小二乘的方法進(jìn)行融合，避免了由于配準(zhǔn)不精確而產(chǎn)生的噪聲;再利用帶邊約束的基于點(diǎn)鄰域平坦度的網(wǎng)格重構(gòu)算法，對(duì)剩下的重疊區(qū)域的頂點(diǎn)進(jìn)行三角化最后通過合并網(wǎng)格中的共同邊界邊實(shí)現(xiàn)網(wǎng)格的拼接。實(shí)驗(yàn)結(jié)果表明，該方法能實(shí)現(xiàn)對(duì)存在大交疊區(qū)域的三角網(wǎng)格快速而有效的拼接。
　　然后，本文提出一種基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的彩色圖像椒鹽

6、噪聲濾波方法。該方法首先對(duì)彩色圖像進(jìn)行基于直方圖方差的增強(qiáng)處理，然后利用脈沖耦合神經(jīng)網(wǎng)絡(luò)定位噪聲點(diǎn)，最后利用類似于矢量中值濾波法的規(guī)則移除噪聲點(diǎn)。實(shí)驗(yàn)結(jié)果表明，該方法在去除椒鹽噪聲的同時(shí)，能較好地保護(hù)圖像細(xì)節(jié)與邊緣信息。
　　接下來，本文提出一種基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的彩色圖像分割方法。該方法首先利用香農(nóng)熵對(duì)彩色圖像進(jìn)行增強(qiáng)處理，然后利用脈沖耦合神經(jīng)網(wǎng)絡(luò)對(duì)增強(qiáng)后的圖像進(jìn)行循環(huán)點(diǎn)火操作，利用最大方差自動(dòng)確定脈沖耦合神經(jīng)網(wǎng)絡(luò)的迭代次數(shù)，