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，建立相應的機器視覺系統(tǒng)，并將其應用于圖形圖像處理中是當前人工智能、計算機視覺、計算機圖形學和數(shù)字圖像處理領域的前沿課題。人類及哺乳動物的視覺系統(tǒng)對信號的處理機制精確而復雜，能實時而充分地感知外界環(huán)境，進而迅速做出判斷，從多項指標進行衡量，均好于目前絕大多數(shù)的機器視覺系統(tǒng)。因此，借鑒視覺神經(jīng)科學關于視覺神經(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)建及改進相應的機器視覺模型，并將其應用于計算機圖形圖像處理中具有

2、非常重要的科學意義與應用價值。
　　脈沖耦合神經(jīng)網(wǎng)絡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，已廣泛應用于數(shù)字圖像處理的各個領域，如圖像濾波、圖像分割、圖像融合、圖像邊緣和目標檢測、圖像特征提取等。本文在分析與總結(jié)國內(nèi)外相關研究工作的基礎上，一方面將該模型從圖像處理領域擴展應用到圖形處理領域中——點云去噪，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圖像處理問題上的應用。本文主要研究內(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)絡的點云曲面去噪方法。該方法主要分為兩步:噪聲點定位與噪聲點濾波。首先針對點云曲面構(gòu)建一個脈沖耦合神經(jīng)網(wǎng)絡，各個神經(jīng)元的外部刺激值由鄰近點的幾何位置差異與法向差異構(gòu)成，利用神經(jīng)元輸出的點火捕獲特性，實現(xiàn)對噪聲點的定位;再針對點云曲面中的噪聲點，基于網(wǎng)

4、格光順中雙邊濾波的思想，實現(xiàn)噪聲點的濾波，對于非噪聲點，則保持原有的幾何位置不變。實驗結(jié)果表明，該方法在有效去除噪聲點的同時，能同時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)絡及雙邊濾波算法實現(xiàn)對三維網(wǎng)格的去噪，通過融合重疊區(qū)域的頂點以及帶邊約束的基于點鄰域平坦度的網(wǎng)格重構(gòu)算法，實現(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)域的頂點而需要的補洞操作

5、以及裁剪而產(chǎn)生的細碎三角形。首先，基于有向包圍盒的思想，對網(wǎng)格的重疊區(qū)域進行快速定位;然后針對重疊區(qū)域的網(wǎng)格頂點，利用移動最小二乘的方法進行融合，避免了由于配準不精確而產(chǎn)生的噪聲;再利用帶邊約束的基于點鄰域平坦度的網(wǎng)格重構(gòu)算法，對剩下的重疊區(qū)域的頂點進行三角化最后通過合并網(wǎng)格中的共同邊界邊實現(xiàn)網(wǎng)格的拼接。實驗結(jié)果表明，該方法能實現(xiàn)對存在大交疊區(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)絡的彩色圖像椒鹽

6、噪聲濾波方法。該方法首先對彩色圖像進行基于直方圖方差的增強處理，然后利用脈沖耦合神經(jīng)網(wǎng)絡定位噪聲點，最后利用類似于矢量中值濾波法的規(guī)則移除噪聲點。實驗結(jié)果表明，該方法在去除椒鹽噪聲的同時，能較好地保護圖像細節(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)絡的彩色圖像分割方法。該方法首先利用香農(nóng)熵對彩色圖像進行增強處理，然后利用脈沖耦合神經(jīng)網(wǎng)絡對增強后的圖像進行循環(huán)點火操作，利用最大方差自動確定脈沖耦合神經(jīng)網(wǎng)絡的迭代次數(shù)，