采用脉冲耦合神经网络的改进显著性区域提取方法.pdfVIP

第 23卷 第 3期 光学 精密工程 Vo1．23 NO．3 2015年 3月 OpticsandPrecisionEngineering M ar．2O15 文章编号 1004—924X(2015)03—0819-08 采用脉冲耦合神经网络的改进显著性区域提取方法 贾松敏 ，徐 涛 ，董政胤 ，李秀智 (1．北京工业大学 电子信息与控制工程学院，北京 100124； 2．河南科技学院机电学院，河南新乡453003) 摘要 ：由于仅考虑颜色等视觉对 比信息的视觉显著性提取模型不符合人眼生物学过程 ，本文提 出了一种基于混合模型的 改进显著性区域提取 (ISRE)方法。该混合模型由显著性滤波算法和改进脉冲耦合神经网络(PCNN)算法构成。首先 ， 利用显著性滤波器算法获得原图像的初始显著性图(OSM)和亮度特征图(IFM)，用 IFM 作为PCNN 的输入神经元；然 后 ，进一步对 PCNN点火脉冲输入进行改进 ，即对 PCNN 内部神经元与 OSM 的二值化显著性图进行点乘 ，确定最终点 火脉冲输入，以获得更加准确的点火范围；最后 ，通过改进后的PCNN多次迭代，完成显著性二值化区域提取。基于 1000张标准图像数据库进行的实验结果显示 ：在视觉效果和客观定量数据 比对两方面，本算法均优于现有的5种显著 性提取方法 ，平均查准率为0．891，平均召回率为0．808，综合指标 F值为 0．870。在真实环境实验 中，所提算法获得 了精 确的提取效果，进一步验证了本算法具有较高的准确性和执行效率。 关 键 词 ：混合模 型；特征提取 ；改进显著性 区域提取 ；脉冲耦合神经网络 (PCNN)；点火脉冲；二值化 中图分类号：TP391．4 文献标识码 ：A doi：10．3788／OPE0819 Improvedsalienceregionextraction algorithm with PCNN JIA Song—min ，XU Tao’ ，DONG Zheng—yin ，LIXiu—zhi (1．CollegeofElectronicInformationandControlEngineering， BeijingUniversityofTechnology，Beijing100124，China； 2．SchoolofMechanicalandElectricalEngineering， HenanInstituteofScienceandTechnology，Xinxiang453003，China) *C0¨rgs0 gauthor，E-mail：xutao1206@gmail．corn Abstract：Thevisualsalienceextractionmodelonlyconsidersvisua1contrastinginformationanditdoes notconform to thebiologyprocessofhuman eyes．Therefroe，ahybridmodelbasedon Improved SalientRegionExtraction (ISRE)algorithm wasproposedinthispaper．Thishybridmodelconsistsof asaliencefilteringalgorithm andan improvedPulseCoupledNeuralNetwork(PCNN)algorithm． Firstly，thesaliencefilteringalgorithm wasusedto getOriginalSalienceMap (OSM )and Intensity FeatureM ap (IFM )wasusedastheinputneuronofPCNN．Then，thePCNN ignitionpulseinput wasfurtherimprovedasfollows：