[0019] 结合附图1,本发明具体的实施步骤为:
[0020] 步骤(1)首先构建与像素点一一对应的外膝体神经元阵列。然后模拟外膝 体神经元的方向选择机制,设定如式(1)所示待检测的k(默认为6)个离散方 向。然后针对每个像素点I(x,y)所对应的外膝体神经元,如式(2)所示获得特定 方向θi的响应强度eLGN(x,y;θi,σl)。同时计算该方向的响应强度与所有方向的响 应强度总和的占比d(x,y;θi),如式(3)所示。
[0021]
[0022]
[0023]
[0024] 其 中 * 为 卷 积 符 号 ,I (x ,y ) 为 输 入 图 像 ,σl是外膝体神经元经典感受野的大小,默认设为2。若占比 的最大值
dmax(x,y;θi)超过阈值(默认为0.5),则记录此最大值所对应的方向,视 为最优响应方向ID1(x,y);若所有占比均未达到阈值,则同时记录占比的前两大 数值所对应的方向,即最优响应方向和次优响应方向,分别记为ID1(x,y)和 ID2(x,y)。最后将方向响应的极大值作为像素点I(x,y)所对应的外膝体神经元响 应ELGN(x,y),如式(4)所示。
[0025] ELGN(x,y)=max{eLGN(x,y;θi,σl)|i=0,1,...k‑1} (4)
[0026] 步骤(2)计算外膝体‑初级视皮层抑制区的协同作用参数wLGN(x,y)。首先 利用高斯函数获得外膝体神经元经典感受野的视觉输入,利用双高斯差函数获 得外膝体神经元抑制区的视觉输入,并分别基于距离因素对两个视觉输入进行 量化处理。 与分别是经典感受野和抑制区量化处理后的视觉输 入,定义如式(5)~(8)所示。
[0027]
[0028]
[0029]
[0030] DoG+(m,n;σl,ρl)=max{gaus(m,n,ρlσl)‑gaus(m,n,σl),0} (8)[0031] 其中ρl为外膝体神经元抑制区与经典感受野大小的比值,默认设为4,m,n 表示经典感受野内视觉输入I(x+m,y+n)与I(x,y)之间的偏移量。然后将 的差异作为外膝体神经元抑制区的有效 响应,并对Δφ(x,y)进行动
态半波整流,即以Δφ(x,y)的平均值mean为阈值,将 低于阈值的 置0,不低于阈值的保持不变,如式(9)所示。
[0032]
[0033] 最后对动态半波整流后的Δφ(x,y)进行幂指数归一化,并将调节初级视皮层 神经元抑制区响应的协同作用参数wLGN(x,y)设置为此归一化结果,如式(10)所 示。
[0034]
[0035] 其中,δ为抑制区有效响应调节参数,默认值为2。
[0036] 步骤(3)构建与外膝体神经元阵列同尺寸的初级视皮层神经元阵列,确定 初级视皮层每个神经元的视觉输入U(x,y)。首先构建一个局部窗口Wxy作为初级 视皮层某个神经元的感受野,然后计算感受野内所有外膝体神经元与初级视皮 层该神经元的突触连接权值w(xt,yt),如式(11)所示:
[0037]
[0038] 其中r为局部窗口半径(默认为3),(xt,yt)表示为窗口内以(x,y)为中心的第 t个外膝体神经元,最后融合窗口内所有外膝体神经元的响应,得到初级视皮 层该神经元的视觉输入U(x,y),如式(12)所示。
[0039]
[0040] 其中μ为窗口内所有外膝体神经元响应总和。
[0041] 步骤(4)实现初级视皮层神经元的方向精细化检测机制。若步骤(1)中外 膝体仅记录了ID1(x,y),则基于固定的离散角度间隔s在最优响应方向左右对称 各设定q个离散方向,如式(13)所示;若外膝体同时记录了ID1(x,y)和ID2(x,y), 则在最优和次优响应方向之间等距设定共p个离散方向,如式(14)所示。默认 设s=5°,p=3,q=6。
[0042] θh=ID1(x,y)+(h‑q)×s,h=0,1,...2q‑1 (13)
[0043]
[0044] 针对上述2q个或p个离散方向,分别检测初级视皮层神经元在视觉输入 U(x,y),方向为θh时的方向响应eV1(x,y;θh,σv),如式(15)所示。
[0045]
[0046] 其中 σv是初级视皮层神经元经典 感受野的大小,默认值设为4。将方向响应最大值作为初级视皮层检测到的精 准轮廓响应EV1(x,y)。如式(16)所示。
[0047] EV1(x,y)=max{eV1(x,y;θh,σv)|h=0,1,...2q‑1OR h=0,1,...p‑1} (16)[0048] 步骤(5)首先计算融合空间尺度因素的初级视皮层神经元抑制区响应 Inh(x,y),如式(17)、(18)所示。
[0049]
[0050]
[0051] 其中,|DoG+(x,y;σv,ρv)|为DoG+(x,y;σv,ρv)的L1范数,ρv是初级视皮层神经 元抑制区与经典感受野的比值,默认值为4,然后利用步骤(2)获取的协同作用 参数wLGN(x,y)对Inh(x,y)进行调节。最后将调节结果用于抑制精准轮廓响应 EV1(x,y),并将抑制后的响应作为最终的轮廓响应E(x,y)。如式(19)所示。
[0052] E(x,y)=EV1(x,y)‑α·wLGN(x,y)·Inh(x,y) (19)
[0053] 其中,α为调节抑制区整体抑制强度的参数,默认为1.0。