基于CNN模板的彩色图像边缘检测算法

基于细胞神经网络CNN的图像处理的研究和应用已取得了很大进展。在图像处理中,边缘检测是基本预处理方法之一。为了能够较好地对彩色图像进行边缘检测,结合人类视觉系统HVS的特点,先分别计算两个颜色的亮度距离和色度距离,然后将这两个距离的加权平均值作为最终的颜色距离。本文利用CNN模板对彩色图像边缘提取,并对其进行理论分析和鲁棒性研究,提出一个设计符合相应功能要求的鲁棒性CNN定理,它为设计相应的CNN模板参数提供了解析判据。仿真实验结果表明,该算法可以对不同特性的彩色图像进行有效的边缘提取,具有较好的健壮性。     

一类具有连通性探测功能的CNN研究与应用

基于细胞神经网络(Cellular Neural Network,CNN)的图像处理的研究和应用已取得了很大进展.在图像处理中,有时需要确定图像是否具有某类特殊的连通性质.本文对CNN模板库列出的一个CNN模板进行了分析,确定出了它的局部规则,提出了一个满足该局部规则的CNN鲁棒性设计定理,它为设计相应的CNN模板参数提供了解析判据.通过数值模拟实例确认了理论结果在计算机图像处理中应用的有效性.     

设计局部最大灰度值探测CNN模板的定理与应用

基于细胞神经网络(CellularNeuralNetwork,CNN)的图像处理的研究和应用已取得了很大进展。在图像处理中,有时需要确定图像各局部区域中最大灰度点的位置。文章对实现局部最大灰度值探测功能的CNN模板进行了理论分析和鲁棒性研究,提出了一个设计符合相应功能要求的鲁棒性CNN定理,它为设计相应的CNN模板参数提供了解析判据。通过数值模拟实例确认了理论结果在计算机图像处理中应用的有效性。     

基于CNN模板的物体图像增长的研究与应用

基于细胞神经网络(CellularNeuralNetwork,CNN)的图像处理的研究和应用已取得了很大进展。在图像处理中,有时需要增大图像中的物体。本文对实现物体增长功能的CNN模板进行了理论分析和鲁棒性研究,提出一个设计符合相应功能要求的鲁棒性CNN定理,它为设计相应的CNN模板参数提供了解析判据。通过数值模拟实例确认了理论结果在计算机图像处理中应用的有效性。     

复合4邻域圈提取CNN的鲁棒性设计

细胞神经网络（Cellular Neural Network，CNN）于1988年由L.O.Chua 等人提出，已经成为一种处理图像和视频信号、机器人技术、生物视觉、高级大脑功能的新工具。细胞神经网络模板的鲁棒性设计是CNN在实际应用中碰到的重要课题之一。目的是设计一种能够提取复合4邻域圈的CNN，并对其模板进行鲁棒性设计，给出满足相应功能CNN的鲁棒性定理。该定理提供了能达到预先指定的图像处理功能的CNN模板参数不等式。数值模拟例子说明了理论证明的有效性。     

粒子群优化的CNN互信息医学图像配准算法

图像配准首先要对原始图像的边缘进行提取。细胞神经网络(CNN)模板在边缘提取方面具有较好应用,但CNN模板参数采用估算方法得到,在处理边缘模糊的医学图像时检测精度不高。引入粒子群算法让模板参数通过自主学习进行优化,生成精确的CNN模板用于提取图像边缘。然后将边缘提取结果与原始图像进行几何转换和融合,并将融合图像与参考图像进行互信息相似性度量,为使互信息最大,再次利用粒子群算法参数优化。实验应用于医学图像,结果表明提出的配准算法在配准速度和精度上都有较大提高。     

阈值自适应CNN的彩色图像边缘提取

细胞神经网络用于彩色图像边缘提取已经有很多人做了研究。现有的大部分工作都根据经验选取固定阈值来设计CNN模板。但这种阈值的选取方法忽略了人眼最小分辨差具有自适应性的特点。在设计图像边缘提取CNN模板选取阈值时,引入人眼最小阈值差成果,设计出了一组阈值自适应的CNN模板,同时对设计的阈值自适应算法的稳定性进行详细的论证。该算法让检测出的边缘更加符合人眼的视觉特性。实验结果证明,该算法效果良好。     

一种剪枝压缩CNN移动设备端图像篡改检测方法

针对现有图像篡改检测方法应用场景单一,检测率不佳的问题,提出了一种适用于移动设备端的篡改检测方法.该方法基于CNN模型实现,考虑到CNN网络层与参数的复杂性过高,设计了剪枝压缩策略.通过激活值与信息熵的融合,有效评判CNN加权的重要程度,裁掉重要程度不高的加权.在其基础上结合逐层裁剪,根据精度和剪枝效果进行反馈调整,控制剪枝压缩的均衡性.针对剪枝压缩CNN设计了相应的卷积层、pooling池化层和调节层,分别从层和篡改方式的角度进行分析优化,并根据图像块相关度确定篡改位置.通过数据集仿真分析,验证了剪枝压缩策略在控制精度损失的同时,对CNN模型采取合理压缩,有效降低了复杂度和处理开销,适于部署在移动设备端;同时整体方法对于图像篡改检测表现出良好的准确性和全面性,能够对篡改区域及其边缘进行准确定位.     

虚拟线圈和模板链相结合的车流量视频检测方法研究

在智能交通系统中,车流量检测对于准确提取交通参数起着重要作用。针对视频检测中虚拟线圈法由于环境和光照等因素影响导致检测不准确的问题,提出一种基于虚拟线圈法和模板链法相结合的车流量检测新方法。首先对采集的交通图像进行车道划分,根据虚拟线圈法设定判别准则,检测路面中的标记区域,同时运用相应的模板对车表面像素灰度变化均匀的区域进行标记,形成模板链,最后通过检测模板链实现车辆的检测。经过实验证明,该方法可以准确地检测出车辆,并具有较好的鲁棒性。     

一种新颖的有核细胞边缘检测方法

提出了一种基于细胞神经网络(CNN)的骨髓切片有核细胞边缘检测的新方法.该方法运用粒子群优化算法设计CNN模板,利用CNN对骨髓有核细胞进行边缘检测.为了避免粒子群算法的早熟,通过判断群体适应度,在早熟种群中引入混沌寻优,增强全局寻优能力.针对有核细胞的特点,采用三级由浅入深分步学习策略,从而得到最优的CNN模板.实验结果证明了该方法的有效性,有核细胞的检出率和边缘符合度都优于传统算法.     

基于参数自适应CNN的灰度图像边缘检测

边缘是图像的重要特征。在应用细胞神经网络提取图像边缘时,网络的稳定性和参数的选择是关键。文中推导了细胞神经网络的稳定条件,并提出了网络参数的自适应设计思路。基于Matlab7.0平台,通过编写仿真程序,检测灰度图像边缘,得到良好效果。实验证明,该法还能有效抑制噪声的干扰。     

Color image processing in a cellular neural-network environment

When low-level hardware simulations of cellular neural networks (CNNs) are very costly for exploring new applications, the use of a behavioral simulator becomes indispensable. This paper presents a software prototype capable of performing image processing applications using CNNs. The software is based on a CNN multilayer structure in which each primary color is assigned to a unique layer. This allows an added flexibility as different processing applications can be performed in parallel. To be able to handle a full range of color tones, two novel color mapping schemes were derived. In the proposed schemes the color information is obtained from the cell's state rather than from its output. This modification is necessary because for many templates CNN has only binary stable outputs from which only either a fully saturated or a black color can be obtained. Additionally, a postprocessor capable of performing pixelwise logical operations among color layers was developed to enhance the results obtained from CNN. Examples in the areas of medical image processing, image restoration, and weather forecasting are provided to demonstrate the robustness of the software and the vast potential of CNN.     

用细胞神经网络提取二值与灰度图象边缘

边缘是图象的重要特征,采用细胞神经网络提取图象边缘时,网络参数的选择是一个重要问题。为了能够有效地提取图象边缘,基于高通滤波模板,选择了细胞神经网络的一组简单易行的参数,首先将其用于检测二值图象边缘,再在此基础上,通过综合灰度值各位面边缘检测的结果提取出灰度图象的边缘。与传统边缘提取方法Sobel和Log方法的比较可见,该方法是有效的,并且由于细胞神经网络具有高速并行运算、便于硬件实现等特点,因此使其在图象实时处理中具有更大的潜力。     

基于细胞神经网络的快速手语视频分割方法

为实现感兴趣区手语视频编码，提高通话效率，提出一种基于细胞神经网络(CNN)的快速手语视频分割方法。该方法首先利用肤色信息特征进行基于CNN的肤色检测，检测出手语视频中的肤色区域;然后对肤色检测结果，利用帧差法进行基于CNN的运动检测，获得初始的手势区域;最后采用形态学处理方法进行空洞填充和边界平滑，实现了手语视频图像序列中的面部和手部区域的分割。研究结果表明，该方法能够快速准确地进行手语视频分割。     

一种基于CNN的彩色图像边缘检测算法

利用细胞神经网络(CNN)模型导出了一种新的彩色图像边缘检测算法。为了充分利用图像中的颜色信息,在RGB彩色空间中用Mahalanobis距离来度量象素之间的差异。为了解决常规边缘提取方法输出二值结果的缺点,采用可以多值输出的CNN来进行彩色图像边缘检测。通过Mahalanobis距离对灰度CNN度量象素差异的方式进行改进,使其可以在RGB彩色空间中进行运算。通过与Sobel、Log和Canny等几种边缘检测算子比较,可以看出新方法的结果更加符合人眼的感知。此外,在含有丰富细节和微小变化的区域,新方法可以取得更好的结果。     

On-chip template training system and image processing applications using iterative annealing on ACE16k chip

Cellular neural networks proved to be a useful parallel computing system for image processing applications. Cellular neural networks (CNNs) constitute a class of recurrent and locally coupled arrays of identical cells. The connectivity among the cells is determined by a set of parameters called templates. CNN templates are the key parameters to perform a desired task. One of the challenging problems in designing templates is to find the optimal template that functions appropriately for the solution of the intended problem. In this paper, we have implemented the Iterative Annealing Optimization Method on the analog CNN chip to find an optimum template by training a randomly selected initial template. We have been able to show that the proposed system is efficient to find the suitable template for some specific image processing applications.     

基于CNN彩色图像边缘检测的车牌定位方法

针对现有车牌定位算法准确率不高、步骤多和速度慢等问题, 提出一种彩色图像车牌定位方法(License plate locating based on CNN color edge detection, LPLCCED). 首先利用细胞神经网络(Cell neural network, CNN)模型导出一种与车牌颜色特征相结合的车牌定位专用边缘检测算法, 将车牌的颜色对约束条件融合到边缘检测算法中, 本文专用边缘检测算法可以大大缩小车牌初步定位的范围. 接下来提出一种针对车牌特征的边缘滤波算法, 最后根据车牌结构和纹理特征对候选区域进行判别验证. 该流程的各个环节都可以通过硬件实现, 为面向智能交通领域的实时车牌识别系统的前期车牌定位处理提供了依据.