基于神经元振荡子网络的视觉场景分割

吉林大学学报(工学版) ›› 2013, Vol. 43 ›› Issue (增刊1): 244-248.

基于神经元振荡子网络的视觉场景分割

刘晓杰¹, 晋卓², 宋占伟³, 张旻⁴, 沈琳¹

1. 江苏理工学院电气信息工程学院,江苏常州213001;
2. 吉林省通信管理局,长春 130001;
3. 吉林大学电子科学与工程学院,长春130012;
4. 江苏理工学院计算机工程学院,江苏常州213001

收稿日期:2012-05-17 发布日期:2013-06-01
通讯作者: 晋卓(1978-),男,高级工程师.研究方向:图像处理与图像通信.E-mail:jinzhuo1978@hotmail.com E-mail:jinzhuo1978@hotmail.com
作者简介:刘晓杰(1978-),男,副教授.研究方向:智能信息处理及其应用.E-mail:liuxiaojie1978@gmail.com
基金资助:
江苏省科技计划项目(BK2012584) ;江苏省高校自然科学研究项目(12KJD510005);常州市科技计划项目(CE20110034).

Visual scene segmentation based on neural oscillator network

LIU Xiao-jie¹, JIN Zhuo², SONG Zhan-wei³, ZHANG Min⁴, SHEN Lin¹

1. College of Electric Information Engineering, Jiangsu University of Technology, Changzhou 213001, China;
2. Jilin Provincial Communication Management Bureau, Changchun 130001, China;
3. College of Electronic Science and Engineering, Jilin University, Changchun 130012, China;
4. College of Computer Engineering, Jiangsu Teachers University of Technology, Changzhou 213001, China

Received:2012-05-17 Published:2013-06-01

摘要/Abstract

摘要：

为了在图像分割中使视觉场景分割成具有一致性的模块,本文根据神经和脑科学的神经元振荡相关理论,建立了神经元振荡子网络。利用相同物体对应刺激的神经元趋于同步,而不同物体所对应的神经元趋于异步的神经机制,实现视觉场景的分割。通过计算机模拟实验表明,通过合理调整参数,该方法可得到较优的场景分割效果。

关键词: 神经元振荡子网络, 场景分割, 振荡相关

Abstract:

To solve the consistency problem of divided visual scenes,the neural oscillator network was established by the neural oscillation correlation theory in neural and brain science.The visual scene segmentation was implemented based on the neural mechanism, which was under the corresponding stimulation,the neurons became synchronized between same objects,and the neurons became synchronized between different objects.The experiment results by computer simulations show that the better visual scene segmentation is achieved by the system parameters adjusted.This method is superior to the traditional scene segmentation method in the implementation.

Key words: neural oscillator network, scene segmentation, oscillatory correlation

中图分类号:

TN911.73

刘晓杰, 晋卓, 宋占伟, 张旻, 沈琳. 基于神经元振荡子网络的视觉场景分割[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 244-248.

LIU Xiao-jie, JIN Zhuo, SONG Zhan-wei, ZHANG Min, SHEN Lin. Visual scene segmentation based on neural oscillator network[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 244-248.

参考文献

[1] Shi J B, Malik J. Normalized cuts and image segmentation[J]. IEEE Transaction Pattern Analysis and Machine Intelligence, 2000, 22(8):888-905.

[2] 张印辉. 多尺度马尔可夫随机场图像分割方法研究[D]. 昆明:昆明理工大学, 2010. Zhang Yin-hui.Research on multiscale markov random fields for image segmentation[D].Kunming:Kunming University of Science and Technology,2010.

[3] Vese L A, Chan T F. A multiphase level set framework for image segmentation using the Mumford and Shah Model [J]. International Journal of Computer Vision, 2004, 50(3): 271-293.

[4] Eckhorn R, Bauer R, Jordan W, Brosch M. Coherent oscillations: A mechanism of feature linking in the visual cortex [J]. Biological Cybernetics, 1988, 60: 121-130.

[5] Gray C M, Knig P, Engel A K, Singer W. Oscillatory responses in cat visual cortex exhibit inter-columnar synchronization which reflects global stimulus properties [J]. Nature, 1989, 388: 334-337.

[6] Pham Q C, Slotine J J. Stable concurrent synchronization in dynamic system networks [J]. Neural Networks, 2007, 20(1): 62-77.

[7] Yu G S, Slotine J J. Visual grouping by neural oscillator networks [J]. IEEE Transaction Neural Networks, 2009, 20(12): 1-29.

[8] Eugene M I. Dynamical systems in neuroscience: the geometry of excitability and bursting [M]. The MIT Press, 2005.

[9] Guo D Q, Li C G. Self-sustained irregular activity in 2-D small-world networks of excitatory and inhibitory neurons [J]. IEEE Transaction Neural Networks, 2010, 21(6): 895-905.

相关文章 15

[1]	丁宁, 常玉春, 赵健博, 王超, 杨小天. 基于USB 3.0的高速CMOS图像传感器数据采集系统[J]. 吉林大学学报(工学版), 2018, 48(4): 1298-1304.
[2]	武伟, 王世刚, 赵岩, 韦健, 钟诚. 蜂窝式立体元图像阵列的生成[J]. 吉林大学学报(工学版), 2018, 48(1): 290-294.
[3]	王方石, 王坚, 李兵, 王博. 基于深度属性学习的交通标志检测[J]. 吉林大学学报(工学版), 2018, 48(1): 319-329.
[4]	刘东亮, 王秋爽. 基于NGSIM数据的车辆瞬时速度获取方法[J]. 吉林大学学报(工学版), 2018, 48(1): 330-335.
[5]	武伟, 王世刚, 王宏志, 赵岩, 钟诚, 韦健. 基于Maya的立体元图像阵列的生成[J]. 吉林大学学报(工学版), 2017, 47(4): 1314-1320.
[6]	王品, 何璇, 吕洋, 李勇明, 邱明国, 刘书君. 基于多特征支持向量机和弹性区域生长的膝软骨自动分割[J]. 吉林大学学报(工学版), 2016, 46(5): 1688-1696.
[7]	卢彦飞, 张涛, 郑健, 李铭, 章程. 基于局部标准差与显著图的模糊图像质量评价方法[J]. 吉林大学学报(工学版), 2016, 46(4): 1337-1343.
[8]	郑欣, 彭真明, 邢艳. 基于活跃度的图像分割算法性能评价新方法[J]. 吉林大学学报(工学版), 2016, 46(1): 311-317.
[9]	李一兵，杨鹏，叶方，刘丹丹. 基于交互势函数和均场参数估计的分层MRF模型的纹理图像分割[J]. 吉林大学学报(工学版), 2015, 45(6): 2075-2079.
[10]	赵旦峰, 王博, 杨大伟. 基于随机置乱的内容感知图像缩放算法[J]. 吉林大学学报(工学版), 2015, 45(4): 1324-1328.
[11]	王定成, 田翠翠, 陈北京, 田宇航. 基于四维四元数频域的彩色图像双重水印算法[J]. 吉林大学学报(工学版), 2015, 45(4): 1336-1346.
[12]	张文杰, 熊庆宇, 石为人, 陈舒涵. 基于邻域加权的多层次模糊边缘检测算法[J]. 吉林大学学报(工学版), 2015, 45(3): 998-1004.
[13]	吴一全, 吴诗婳, 张宇飞. 基于混沌粒子群优化的Contourlet域红外图像自适应增强[J]. 吉林大学学报(工学版), 2014, 44(5): 1466-1473.
[14]	王晓文^{1, 2}, 赵宗贵³, 庞秀梅⁴, 刘敏⁵. 图的图像融合方法[J]. 吉林大学学报(工学版), 2014, 44(4): 1203-1208.
[15]	顾播宇,孙俊喜,李洪祚,刘红喜,刘广文. 基于特征加权模块双方向二维主成分分析的人脸识别[J]. 吉林大学学报(工学版), 2014, 44(3): 828-833.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed