Download Procesado de imágenes con PCNN

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