(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111605009.1 (22)申请日 2021.12.24 (71)申请人 西安交通大 学 地址 710049 陕西省西安市咸宁西路28号 (72)发明人 康艳梅　何玉珠　付宇轩　徐子恒　 (74)专利代理 机构 西安通大专利代理有限责任 公司 6120 0 代理人 高博 (51)Int.Cl. G06T 5/00(2006.01) G06T 3/00(2006.01) G06N 3/06(2006.01) (54)发明名称 基于生物神经元网络和随机共振的视觉感 知方法及系统 (57)摘要 本发明公开了一种基于生物神经元网络和 随机共振的视觉感知方法及系统， 结合了突触电 导的积分放电神经元网络的随机共振原理与视 觉形成的基本生物物理过程。 已知在视网膜上主 要分布有两类神经细胞： 视杆细胞和视锥细胞； 视杆细胞主要负责分辨出物体的大致轮廓但无 法分辨颜色， 而视锥细胞亮光较为敏感且具有较 高的颜色辨别能力。 为了增强彩色图像的对比 度， 我们运用生物神经元网络模拟 视杆细胞集群 在视觉感知过程中的协作作用， 并由此开发出了 一种新的彩色图像增强方法。 本发 明能够显著提 高图像对比度、 亮度， 暗区区域细 节也显著增强， 边缘信息亦得到明显改善， 并达到了较好的视觉 效果； 相较于经典的单尺度Retinex方法以及HE 算法也表现出了明显的优 越性。 权利要求书3页 说明书10页 附图3页 CN 114240802 A 2022.03.25 CN 114240802 A 1.基于生物神经 元网络和随机共 振的视觉感知方法， 其特 征在于， 包括以下步骤： S1、 将低照度彩色图像由RGB颜色空间通过非线性变换转换到HSV颜色空间， 将HSV颜色 空间的三个通道对应的色调信息矩阵、 饱和度信息矩阵、 亮度信息矩阵分别记为HM×N,SM×N 和VM×N， M和N分别代表图像的行数和列数， 输出亮度信息矩阵VM×N， 色调信息矩阵HM×N和饱和 度信息矩阵SM×N； S2、 设定高斯白噪声强度D＝Dj， 将步骤S1的亮度信息矩阵VM×N输入由N个积 分放电神经 元模型组成的全局反馈网络， 每个神经元 的膜电位达到阈值的瞬间即产生一个动作电位， 矩阵(Indexi)M×N存储第i个神经 元在此编码过程中是否放电的信息作为输出； S3、 将步骤S2得到的(Indexi)M×N矩阵信息解码为相应的二值亮度信息矩阵PixM×N； 进一 步整合所有神经元的亮度解码信 息生成增强后的亮度信 息矩阵PixM×N， 再将步骤S 1生成的 色调信息矩阵HM×N， 饱和度信息矩阵SM×N和增强后的亮度信息矩阵PixM×N融合得到增强后的 HSV空间图像ImgHSV； S4、 将步骤S3增强后的HSV空间图像ImgHSV由HSV空间到RGB空间的非线性变换得到增强 后的彩色图像ImgRGB， 计算并输出图像的PQM(ImgRGB)作为增强图像的评价指标， 获得增强图 像； S5、 增大步骤S2中高斯白噪声强度Dj的取值， 重复步骤S2～S4， 若获得最接近感知度量 指标最优值10的增强图像， 完成视 觉感知任务。 2.根据权利要求1所述的基于生物神经元网络和随机共振的视觉感知方法， 其特征在 于， 步骤S1中， 将一 幅大小为3 ×M×N的低照度彩色图像IRGB由RGB色彩空间转换为HSV色彩 空间具体为： 其中， h为色调， s为饱和度， v为亮度， (r,g,b)分别是一个颜色的红、 绿和蓝坐标， max是 r,g,b中的最大值， mi n为r,g,b中的最小值。 3.根据权利要求1所述的基于生物神经元网络和随机共振的视觉感知方法， 其特征在 于， 步骤S2中， 神经 元模型的膜电位计算如下： S201、 输入亮度信息矩阵HM×N， 设定膜电位演化时间为[0,1]， 迭代步长为Δt＝0.01， 初 始化膜电位Vim,n(0)＝0和反馈项fm,n(0)＝0， 并设H(S)矩阵元素分布直方图的上10％分位 点为阈值Vth；权　利　要　求　书 1/3 页 2 CN 114240802 A 2S202、 根据步骤S201设定好的初 始膜电位和阈值计算下一时刻膜电位， 若Vim,n(t+Δt)> Vth， 记录此时的放电时刻Tim ,n＝[Tim ,n,t+Δt]， 重置膜电位Vim ,n(t+Δt)＝V0， 并记 表示第i个神经 元在[0,1]时段内有放电； S203、 利用 狄拉克δ函数的筛选性质， 结合神经元网络的全局反馈项和放电时刻向量 Tim,n计算全局反馈项fm,n(t)进行反馈项的更新； S204、 循环计算步骤S202～步骤S203， 直到达到终止条件t＝1， 得到所有神经元的放电 信息。 4.根据权利要求3所述的基于生物神经元网络和随机共振的视觉感知方法， 其特征在 于， 步骤S202中， 下一时刻膜电位Vim,n(t+Δt)计算如下： 其中， 1≤i≤N， Δt为时间步长， fm,n(t)为反馈项， P(m,n)为图像亮度信息矩阵， D为噪 声强度， randn 为高斯随机数。 5.根据权利要求3所述的基于生物神经元网络和随机共振的视觉感知方法， 其特征在 于， 步骤S20 3中， 全局反馈项fm,n(t)具体为： 其中， G为全局反馈强度， 为图像亮度矩阵经过第i个神经元的第k次放电时刻， t为 当前时刻， τS和 τD为卷积核函数的参数。 6.根据权利要求1所述的基于生物神经元网络和随机共振的视觉感知方法， 其特征在 于， 步骤S3中， 增强后的亮度信息矩阵PixM×N具体为： 其中， Pixi(m,n)为二值亮度信息矩阵中第m行n列的元 素， N为图像列数。 7.根据权利要求6所述的基于生物神经元网络和随机共振的视觉感知方法， 其特征在 于， 二值亮度信息矩阵Pixi(m,n)具体为： 其中， Indexi(m,n)为放电指标信息 。 8.根据权利要求1所述的基于生物神经元网络和随机共振的视觉感知方法， 其特征在 于， 步骤S4中， 利用下式将增强后的HSV空间 图像ImgHSV由HSV空间到RGB空间的非线性变换 得到增强后的彩色图像ImgRGB具体为：权　利　要　求　书 2/3 页 3 CN 114240802 A 3