нейроподобная модель для анализа изображений

Классы МПК:G06G7/60 живых организмов, например их нервной системы 
Патентообладатель(и):Борисов Вадим Владимирович
Приоритеты:
подача заявки:
1992-08-10
публикация патента:

Изобретение относится к моделированию нейронных структур, осуществляющих анализ изображений в зрительных системах и может найти применение при разработке технических систем автоматического анализа изображений и систем технического зрения. Целью изобретения является расширение функциональных возможностей за счет обеспечения возможности выделения и распознования неподвижных и движущихся изображений объектов или их частей произвольной заданной конфигурации, заданных параметров и ориентации. Модель состоит из матрицы 1 приемных элементов 2, матрицы 3 нейроподобных элементов 4 первого типа, первых выходов 5, матрицы 6 коммутаторов 7, нейроподобных элементов 8 второго типа, счетчиков 9, нейроподобных элементов 10 третьего типа, вторых 11 и третьих 12 выходов, управляющих входов 13 - 16. 2 ил.
Рисунок 1, Рисунок 2

Формула изобретения

НЕЙРОПОДОБНАЯ МОДЕЛЬ ДЛЯ АНАЛИЗА ИЗОБРАЖЕНИЙ, содержащая матрицу приемных элементов и матрицу нейроподобных элементов первого типа одинаковой размерности, нейроподобные элементы второго типа, счетчики, нейроподобные элементы третьего типа, входы каждого (i, j)-го нейроподобного элемента первого типа, за исключением краевых элементов матрицы, подключены к выходам соответствующих (i, j)-го, (i - 1, j)-го, (i, j - 1)-го, (i + 1, j)-го, (i, j + 1)-го приемных элементов, а выходы являются первыми выходами модели, выходы нейроподобных элементов второго типа являются вторыми выходами модели и подключены к входам соответствующих счетчиков, управляющие входы которых являются тактовыми входами, а выходы соединены с входами соответствующих нейроподобных элементов третьего типа, выходы которых являются третьими выходами модели, отличающаяся тем, что введена матрица коммутаторов разномерности, совпадающая с разномерностью матриц приемных элементов и нейроподобных элементов первого типа, причем выходы нейроподобных элементов первого типа подключены к входам соответствующих коммутаторов, управляющие входы которых являются входами настройки, а соответствующие выходы соединены с соответствующими входами всех нейроподобных элементов второго типа.

Описание изобретения к патенту

Изобретение относится к моделированию нейронных структур, осуществляющих анализ изображений в зрительных системах, и может найти применение при разработке технических систем автоматического анализа изображений и систем технического зрения.

Известна нейронная модель анализа изображений, содержащая фотодиоды, модели ON- и ОFF-нейронов, четыре пары ON и OFF пороговых сумматоров, элементы И (1).

Недостатком модели является сложность выделения движущихся линий заданной толщины, длины и ориентации произвольной конфигурации.

Наиболее близким техническим решением к заявляемой модели является нейроподобная модель для анализа изображений, содержащая матрицу фотоприемных элементов, матрицу нейроподобных элементов первого типа, нейроподобные элементы второго типа, счетчики, нейроподобные элементы третьего типа (2).

Недостатком модели является отсутствие возможности выделения движущихся объектов произвольной конфигурации, заданных параметров (толщины, длины) и ориентации.

Целью изобретения является расширение функциональных возможностей за счет обеспечения возможности выделения и распознавания неподвижных и движущихся изображений объектов или их частей произвольной заданной конфигурации, заданных параметров и ориентации.

Поставленная цель достигается тем, что в нейроподобную модель для анализа изображений, содержащую матрицу приемных элементов и матрицу нейроподобных элементов первого типа одинаковой размерности, нейроподобные элементы второго типа, счетчики, нейроподобные элементы третьего типа, входы каждого (i,j) нейроподобного элемента первого типа, за исключением краевых элементов матрицы, подключены к выходам соответствующих (i,j), (i-1, j), (i, j-1), (i+1,j), (i, j+1) приемных элементов, а выходы являются первыми выходами модели, выходы нейроподобных элементов второго типа являются вторыми выходами модели и подключены ко входам соответствующих счетчиков, управляющие входы которых являются тактовыми входами, а выходы соединены со входами соответствующих нейроподобных элементов третьего типа, выходы которых являются третьими выходами модели, введена матрица коммутаторов размерности, совпадающей с размерностью матриц приемных элементов и нейроподобных элементов первого типа, причем выходы нейроподобных элементов первого типа подключены ко входам соответствующих коммутаторов, управляющие входы которых являются входами настройки, а соответствующие выходы присоединены к соответствующим входам всех нейроподобных элементов второго типа, число которых равно заданному числу выделяемых признаков при анализе изображений.

На фиг. 1 представлена функциональная схема модели; на фиг. 2 - схема коммутатора.

Модель (фиг.1) состоит из матрицы 1 приемных элементов 2, матрицы 3 нейроподобных элементов 4 первого типа, выходы которых являются первыми выходами 5ij (i=1...n, j=1...m) модели, матрицы 6 коммутаторов 7. Размерность всех трех матриц - nxm. Модель также содержит нейроподобные элементы 8 второго типа, счетчики 8, нейроподобные элементы 10 третьего типа, вторые выходы 111,..., 11р модели и третьи выходы 121,...,12р модели, где р - заданное число выделяемых признаков при анализе изображений. Синаптические входы нейроподобных элементов модели на рисунках обозначены стрелками.

13 - тактовые входы счетчиков 9; 14,15,16 - входы настройки коммутаторов.

В качестве приемных элементов 2 могут быть использованы фотоприемники (фотодиоды, фототранзисторы и т. п. ) или иные элементы, обеспечивающие преобразование воспринимаемых сигналов различной физической природы.

В качестве элементов всех трех групп нейроподобных элементов 4, 8, 10 используются пороговые суммирующие нейроны, принципы построения и функционирования которых известны.

Выход любого (i,j) нейроподобного элемента 4 первого типа посредством соответствующего коммутатора 7 может быть подключен ко входу "ij(k)" каждого "k" (k=1...p) нейроподобного элемента 8 второго типа.

На фиг. 2 приведен пример реализации коммутатора 7, состоящего из регистра 17, группы элементов И 18. 14 - входы данных регистра; 15,16 - соответственно входы сигналов записи и начальной установки регистра 17.

Перед началом работы необходимо выполнить настройку модели, заключающуюся в задании параметров (напр., длины, толщины), конфигурации и ориентации эталонных признаков изображений анализируемых объектов путем осуществления подключения выходов определенных нейроподобных элементов 4 первого типа ко входам нужных нейpопородобных элементов 8 второго типа, каждый из которых ориентирован на выделение и распознавание отдельного признака анализируемого изображения (самого изображения или его части) заданной конфигурации, параметров и ориентации. Для этого в регистр 17 каждого коммутатора 7 заносится код, определяющий подключение выхода соответствующего нейроподобного элемента 4 первого типа к входам нужных нейроподобных элементов 8 второго типа, что, по сути, позволяет сформировать эталонные признаки для последующего анализа изображений.

Модель работает следующим образом.

Изображение объекта проецируется на матрицу 1 приемных элементов 2. На выходах тех приемных элементов 2, на которые попадает изображение, появляются единичные сигналы, на выходах остальных элементов 2 - нулевые сигналы. Выходные сигналы приемных элементов 2 поступают на синаптические входы нейроподобных элементов 4 первого типа матрицы 3. При этом, если на матрицу 1 приемных элементов 2 проецируется неподвижное изображение плоского объекта, то на выходах 5ij (i=1...n, j=1...m) нейроподобных элементов 4 первого типа матрицы 3 формируется контур этого изображения.

Выделение признаков неподвижных изображений, например, в виде отрезков линий произвольной заданной конфигурации, заданной длины, толщины и ориентации осуществляется в том случае, когда ориентация этих отрезков совпадает с ориентацией эталонного признака, на который настроен соответствующий нейроподобный элемент 8 второго типа.

Таким образом, можно выполнить анализ проецируемого на матрицу 1 изображения или его частей по "р" эталонным признакам (где р - число нейроподобных элементов 8 второго типа) и осуществить выделение, распознавание и классификацию этого изображения.

Перед процедурой анализа изображения помимо настройки матрицы 6 коммутаторов 7 необходимо выполнить настройку нейронной модели на выделение данного класса изображений. Для этого в каждом нейроподобном элементе 4 матрицы 3 нужно положить значение порога Q=0,а значения синаптических весов g1= 1, g2=g3=g4=g5=0.

При анализе признака изображения, совпадающего с одним из эталонных признаков, происходит возбуждение соответствующего нейроподобного элемента 8 второго типа. В результате на соответствующем выходе 11k нейроподобной модели появится единичный сигнал.

Для настройки нейронной модели на выделение признаков изображений движущихся объектов произвольной заданной конфигурации, заданных параметров и ориентации необходимо в каждом нейроподобном элементе 4 первого типа матрицы 3 и в каждом нейроподобном элементе 8 второго типа задать те же значения синаптических весов "g" и порогов "Q", что и в предыдущем случае. Наряду с этим в каждом нейроподобном элементе 10 третьего типа значение синаптического веса "g" необходимо положить равным единице, а значения порогов "Q" в этих элементах будут определять ту минимальную ширину объекта, на выделение которой настраивается нейроподобная модель. При этом так же, как и в предыдущем случае выделение признаков изображений происходит при совпадении их ориентации с ориентацией эталонных признаков, на которые настроены соответствующие нейроподобные элементы 8 второго типа. Единичные сигналы возбуждения с выходов соответствующих элементов 8 поступают на счетные входы соответствующих счетчиков 9. Если выделяемый признак изображения (само изображение или его часть) продолжает совпадать с эталонным признаком, то в следующий такт времени при подаче синхроимпульса на вход 13 содержимое соответствующего счетчика 9 увеличивается на единицу. В результате в счетчике 9 сформируется число, соответствующее ширине анализируемого признака изображения. Содержимое счетчиков 9 поступает на входы нейроподобных элементов 10 третьего типа, где сравнивается с заданными значениями порогов. Если содержимое счетчика 9 превышает значение порога элемента 10, то на его выходе и, следовательно, на выходе 12k появляется единичный сигнал, свидетельствующий о выделении и распознавании моделью движущегося изображения объекта или его части заданной конфигурации, параметров и ориентации.

Таким образом, достигается цель расширения функциональных возможностей за счет обеспечения возможности выделения и распознавания неподвижных и движущихся изображений объектов или их частей произвольной заданной конфигурации, заданных параметров и ориентации.

Класс G06G7/60 живых организмов, например их нервной системы 

способ и устройство интеллектуальной обработки информации в нейронной сети -  патент 2446463 (27.03.2012)
модель нейронной сети -  патент 2309457 (27.10.2007)
архитектура для основанной на коробах вычислительной системы -  патент 2249854 (10.04.2005)
магнитный нейрон -  патент 2199780 (27.02.2003)
устройство ассоциативной памяти (варианты) и способ распознавания образов (варианты) -  патент 2193797 (27.11.2002)
способ хранения сети виртуальных нейронов и нейронный компьютер для его осуществления -  патент 2158023 (20.10.2000)
оптоэлектронный нейрочип -  патент 2137192 (10.09.1999)
техническая нервная система -  патент 2128857 (10.04.1999)
рефлекторная нейросеть -  патент 2128363 (27.03.1999)
устройство для моделирования нейрона -  патент 2093889 (20.10.1997)
Наверх