买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：湖北工业大学

摘要：本发明公开了一种基于双层脉冲发放皮层模型的文档图像分割方法及系统，本发明首先读取图像并灰度化处理；然后确定像素统计阈值；接着将步骤1得到的灰度图像输入到脉冲发放皮层模型中，基于像素统计阈值，获得像素的SCM阈值；调节误差区域增强处理图像；最后将增强处理后的图像再次输入脉冲发放皮层模型中进行分割，输出最终的结果。本发明应用到古籍文档图像的分割中，能够有效抑制墨迹褪色、边缘浸润、页面污渍等问题。

主权项：1.一种基于双层脉冲发放皮层模型的文档图像分割方法，其特征在于，包括以下步骤：步骤1：读取图像并灰度化处理；其中，采用加权平均法灰度化处理图像，公式为：Gray＝0.2989×R+0.5870×G+0.1140×B；其中，Gray为灰度图像，R、G、B分别为像素点红、绿、蓝三基色分量；步骤2：确定像素统计阈值；其中，建立图像的混合高斯模型，获得权重参数不同的M个高斯分布之和，其中，M为混合高斯模型所包含的高斯分布的个数；像素裂为了背景和笔画两个集合，两集合的直方图数据均通过高斯函数描述如下： 其中，xi为图像直方图横坐标，代表灰度值大小，yi为图像直方图纵坐标，代表像素数量；ymax为高斯函数的峰值，即像素数量最大值，xmax为峰值所对应位置，即像素数量最大值所对应的灰度值；i取值1或2；S为拟合曲线的半高宽，σ为高斯函数的总体标准差；记集合m＝1所对应的高斯函数为Y1，m＝2所对应的高斯函数为Y2，当Y1＝Y2时所对应的值即为像素的统计阈值；步骤3：将步骤1得到的灰度图像输入到脉冲发放皮层模型中，基于像素统计阈值，获得像素的SCM阈值；其中，脉冲发放皮层模型方程如下： 其中，网络神经元用i,j表示，其临近神经元用k,l表示；Eij为动态阈值状态；Sij为输入矩阵；Fij为神经元状态；Yij为神经元输出电位；Wijkl为连接矩阵；n为迭代次数；VL与VE分别为连接输入和动态阈值的振幅；Ykl[n]为n次迭代时神经元的输出；αe、αf分别为动态阈值和馈电输入的衰减系数；β为突触间的连接强度，xmax为图像最大灰度值，x′为步骤2中确定的统计阈值；步骤4：调节误差区域；记SCM阈值与统计阈值分别为a和b，则：1当a＝b时，此时直接输出步骤3得到的二值图像，作为输出最终的结果；本流程结束；2当ab时，此时SCM阈值与统计阈值所构成的区间[a,b]即为误差区间，对误差区域进行孤立点检测，并通过腐蚀操作去除干扰分割进程的污痕区域；对于去除干扰后的误差区域进行增强处理；然后执行步骤5；对误差区域选用拉普拉斯算子进行孤立点检测，规则如下： 上式中，若点i,j处的拉普拉斯算子绝对值大于指定阈值H，检测为孤立污痕点，对其进行腐蚀操作，腐蚀梯度ρB-f定义如下： 其中，f、B分别代表图像和结构元素，代表f与B进行腐蚀；结构元素B由基本结构元素B′来计算，即满足： 其中，u表示给定像素网格邻域的个数；对于去除干扰后的误差区域采用线性变化法进行增强处理； 其中，fi,j为变换前的图像；gi,j为变换后的图像；[a,b]为所确定的误差区间；[c,d]为像素值所要压缩到的目标范围，[c,d]∈μL,a，μL为直方图左侧单高斯模型的均值；3当ab时，拉大不同类区像素灰度差使SCM阈值前推，构造区间[a′,b]，使用SCM的赋时矩阵对整体图像进行增强处理，直到a′≤b，然后执行1或2；采用SCM的赋时矩阵对整体图像进行增强，数学表达式为： 其中，t为点火时刻，Tij记录神经元i,j的初次点火时间，Sij为输入矩阵，Fij为神经元状态，Yij为输出电位，Eij为动态阈值状态，g代表阈值衰减常数，即步骤5：将步骤4中增强处理后的图像再次输入脉冲发放皮层模型中进行分割，输出最终的结果；所述脉冲发放皮层模型采用全连接形式，针对神经元i,j及其临近神经元k,l，第l步衰减的动态阈值Eij和l+1步内部活动项状态Fij在第一个脉冲周期的表达式为： 其中，Q为模型整体耦合发生域，Sij为输入矩阵；Yij为神经元输出电位；Wijkl为连接矩阵；n1为迭代次数；VL与VE分别为连接输入和动态阈值的振幅；Ykl[n1]为n1次迭代时神经元的输出；αe、αf分别为动态阈值和馈电输入的衰减系数；β为突触间的连接强度。

全文数据：

权利要求：

百度查询： 湖北工业大学 基于双层脉冲发放皮层模型的文档图像分割方法及系统