Download Procesado de imágenes con PCNN
Document related concepts
Transcript
Procesado de imágenes con PCNN Antecedentes • Modelo de Eckhorn de la corteza visual del gato Voltaje de la membrana Estímulo externo ruido Respuesta neurona Umbral local Pulse-Coupled Neural Network • Interes: invarianza de la respuesta a rotación, etc. • No realiza aprendizaje • Sirve de preprocesador, produce imágenes binarias con propiedades de interés. Modelo original Modelo original • Valores iniciales cero • Umbral dinámico que se reinicia con el disparo de la neurona, impide que se dispare de forma redundante la neurona. Está en la base del comportamiento pulsatil. • El comportamiento pulsatil está en la base de la generación de ondas (“autowaves”) Firmas temporales • Sumarización de las imágenes generadas en el tiempo Sensibilidad a los parámetros • Retardos: afectan a la velocidad de propagación de las ondas • Enlace b afecta a la capacidad de segmentación • Vecindario: afecta a la comunicación entre neuronas • Valor inicial de umbral: determina el comportamiento en las fases iniciales nucleo fondo bordes Bordes del nucleo Manipulación del kernel Caso de kernel simétrico y positivo Reconocimiento • Las PCNN sirven de preproceso Ruido • Tipos de ruido en las PCNN – Ruido en la señal de entrada – Ruido en la activación de las neuronas – Ruido en los umbrales Efecto del ruido en los umbrales iniciales Recuperación del Ruido en los umbrales Aplicando un oscilador Recuperación del ruido sobre la señal de entrada Recuperación del ruido ocurrido sobre la activación Fast linking: propagación en un solo paso Recuperación del ruido sobre los umbrales usando Fast Linking Aislamiento de objetos • Combinación de PNNN como preprocesador y FPF como mecanismo de reconocimiento Ejemplo de segmentación de un objeto El input es alterado con el resultado del Reconocimiento en la primera iteracion Input actualizado Objeto aislado referencias • T. Lindblad, J.M. Kinser, Image Processing using PulseCoupled Neural Networks, Springer-Verlag, 1998