脉冲耦合神经网络中药材显微图像噪声滤除系统及方法
【技术领域】
[0001] 本发明属于中药材显微图像信息处理技术领域，尤其涉及一种脉冲耦合神经网络 中药材显微图像噪声滤除系统及方法。
【背景技术】
[0002] 由于中药材品质的退化及假冒劣质品的市场混入等因素影响了中药材的质量和 临床疗效，对中药材识别、鉴定与控制显得尤为重要；传统中药材识别鉴定主要依赖主观经 验，以人的肉眼识别药源植物的形态，颜色和药材的显微纹理时需要具有丰富的经验，但由 于经验有限，图像识别难度大，识别错误率高；现代理化鉴定要借助专门分析仪器，管理及 操作复杂；因此基于现代信息理论技术的中药材预处理、识别、检测及鉴定是新的发展方 向。
[0003] 基于图像信息处理的中药材现代处理与分析是在进入本世纪以来才逐渐开展起 来研宄领域，学者们对中药材图像的获取、去噪、分割、特征提取、识别、检测与检索等方面 进行了一定的研宄；一般来说先采用CCD摄像机在显微镜下直接对标本采样，并将摄取的 彩色显微图像输入图像分析系统，待显微图像完成格式转化后，对获取的图像进行图像增 强及滤波等预处理，然后提取或分割图像目标，再对得到的显微图像目标系列参数如最大 直径、最大横切面、周长、体积、不规则参数等进行分析测定，得到各参数的像素及特性并进 行下一步分析；在获取或传输时中药材显微图像时，因外界干扰或传输信道，解码处理等因 素不免会产生脉冲噪声对中药材显微图像干扰和损坏，从而导致图像质量下降，严重影响 特征提取及模式识别等后续图像处理环节。
[0004] 目前中药材显微图像噪声滤除方法还存在以下不足：
[0005] (1)由于我国中药材资源丰富、来源广泛、种类繁多、形态各异，其组织结构具有多 样性，由此形成的显微图像具有复杂性和特殊性，其显微图像目标和背景常常混合交叠；在 显微图像获取或传输的过程中当有脉冲噪声干扰混入图像信息中时，在目标、背景与噪声 点的定位时造成了一定的难度，在被脉冲噪声污染的中药材图像中如何区分出目标信息、 准确地找出噪声干扰点，这是解决滤波问题的关键点之一；虽然有些学者在普通图像的滤 波中先对含噪图像的目标像素、噪点像素进行了检测分类，再对噪声像素进行滤波处理，在 去噪性能上有所提高，但对噪声点的定位过分依赖于阈值的选取，不利于自动噪点检测，自 适应能力差；目前在中药材显微图像的滤波中也没有相关研宄方法；
[0006] (2)脉冲噪声是一种典型的噪声类型，当其干扰或污染到中药材显微图像时，必须 在滤除它的同时如何尽可能地保护复杂中药材显微图像边缘和丰富的细节等信息，目前可 利用在图像处理领域的相关技术有：传统中值滤波或基于中值滤波的改进方法、维纳滤波 法、小波去噪方法以及数学形态滤波等方法，这些虽能达到一定的去噪效果，但会出现对 部分噪点的误检，以及破坏和丢失相对于滤波窗口尺寸较小的图像细节；另外，随着噪声的 增加，滤波性能也会变得很差。
【发明内容】
[0007] 本发明的目的在于提供一种脉冲耦合神经网络中药材显微图像噪声滤除系统及 方法，旨在解决中药材显微图像噪声滤除存在的不利于自动噪点检测，自适应能力差，噪声 去除和滤波性能存在矛盾的问题。
[0008] 本发明是这样实现的，一种脉冲耦合神经网络中药材显微图像噪声滤除方法，该 脉冲耦合神经网络中药材显微图像噪声滤除方法采用适合处理组织类图像信息的脉冲耦 合神经网络模型对中药材显微图像进行检测；中药材显微图像受到密度较小的脉冲噪声污 染通过自适应加权滤波处理；中药材显微图像受到密度较大的脉冲噪声污染采用保持边缘 细节信息的引入双结构元素数学形态学进行二次滤波。
[0009] 进一步，适合处理组织类图像信息的脉冲耦合神经网络模型：
【主权项】
1. 一种脉冲耦合神经网络中药材显微图像噪声滤除方法，其特征在于，该脉冲耦合神 经网络中药材显微图像噪声滤除方法采用适合处理组织类图像信息的脉冲耦合神经网络 模型对中药材显微图像进行检测；中药材显微图像受到密度较小的脉冲噪声污染通过自适 应加权滤波处理；中药材显微图像受到密度较大的脉冲噪声污染采用保持边缘细节信息的 引入双结构元素数学形态学进行二次滤波。
2. 如权利要求1所述的脉冲耦合神经网络中药材显微图像噪声滤除方法，其特征在 于，适合处理组织类图像信息的脉冲耦合神经网络模型： Fij [n] = SiJ；
Uij [n] = Fijtn] (l+β ijtnjLijtn])；
QJn] = θ〇?Τ0(ηΛ 其中，βυ[η]为自适应链接强度系数；
SipFiIn]、Ljn]、Ujn]、Θ Jn]分别为输入图像信号、反馈输入、链接输入、内部活动 项及动态阈值，Nw为所选待处理窗口 W中的像素总数，Λ为调节系数，选取1~3。
3. 如权利要求2所述的脉冲耦合神经网络中药材显微图像噪声滤除方法，其特征在 于，脉冲耦合神经网络模型对中药材显微图像进行检测时，利用网络特性使灰度为S ijmax的 像素点火激活，再进行第二次脉冲耦合神经网络迭代处理，把介于[Sijmax/l+β Jij, SijmJ 间的像素捕获激活，使两次激活的像素点对应的Yu输出为I ;然后对原噪声污染图像反白 处理，再对处理后的图像Sij按前述进行迭代处理，并使对应的输出Y ij= 1，利用图像噪声 像素与周围像素相关性小，灰度差别大特性，当一个神经元的激发没有引起所在区域附近 大多数神经元的激发时，就说明该神经元对应像素可能是噪声点； 初步甄别出Yu= O对应的像素点为中药材显微图像的信号点，予以保护；对Y u输出 为1的像素点在3*3模板B范围内统计以输出Yu= 1为中心邻域元素值为1的个数Ny判 另IJ归类：1彡Ny彡8,为噪声点，当N y= 9,判定为图像像素点。
4. 如权利要求1所述的脉冲耦合神经网络中药材显微图像噪声滤除方法，其特征在 于，中药材显微图像自适应加权滤波器噪声滤波的实现方法； 当脉冲输出Yij= 1且Ny= 1~8,Ny是当在3*3模板B中为1个数，选取滤波窗口 M， 对噪声污染图像t的自适应滤波，滤波方程为：
式中，是滤波窗口中对应像素的系数，S 为滤波窗口中对应像素的灰度值，f u为滤 波后对应窗口中心位置的输出值：
式中Dij为方形滤波窗口 M中像素灰度中值，Ω u滤波窗口各像素与中心灰度差绝对均 值，max为求最大值符号。
5. 如权利要求4所述的脉冲耦合神经网络中药材显微图像噪声滤除方法，其特征在 于，选取滤波窗口 M选取大小为m*m的滤波窗口 M，窗口大小的选取原则是：
6. 如权利要求1所述的脉冲耦合神经网络中药材显微图像噪声滤除方法，其特征在 于，双结构元素数学形态学第二级滤波的具体方法： 残留脉冲噪声的中药材显微图像为f，E为结构元素 SE，则膨胀有如下关系式：
式中⑩为膨胀运算符，F和G分别是f和E的定义域，x-z为位移参数； 上式膨胀关系是将与物体接触的所有背景点都合并到物体中，使边界向外部扩张的过 程，填补物体中的洞孔； 7t=n
上式θ为腐蚀运算符，腐蚀是消除边界点，边界向内部收缩，同时在腐蚀膨胀的基础 上，再结合形态学的开闭运算：
7. 如权利要求1所述的脉冲耦合神经网络中药材显微图像噪声滤除方法，其特征在 于，采用适合处理组织类图像信息的脉冲耦合神经网络模型对中药材显微图像进行检测需 要输入含噪声中药材显微图像，并进行彩色-灰度转换预处理。
8. 如权利要求1所述的脉冲耦合神经网络中药材显微图像噪声滤除方法，其特征在 于，采用保持边缘细节信息的引入双结构元素数学形态学进行二次滤波后输出滤波后的中 药材显微图像。
9. 一种脉冲耦合神经网络中药材显微图像噪声滤除系统，其特征在于，该脉冲耦合神 经网络中药材显微图像噪声滤除系统包括：输入及预处理单元、噪声检测单元、第一级自适 应加权滤波单元、第二级数学形态学滤波单元、输出单元； 输入及预处理单元，用于输入含噪声中药材显微图像，并进行彩色-灰度转换预处理； 噪声检测单元，与输入及预处理单元连接，用于利用改进脉冲耦合神经网络检测中药 材显微图像噪点； 第一级自适应加权滤波单元，与噪声检测单元连接，接收噪声检测单元检测的中药材 显微图像噪点，对中药材显微图像受到密度较小的脉冲噪声污染采用自适应加权滤波； 第二级数学形态学滤波单元，与第一级自适应加权滤波单元连接，接收第一级自适应 加权滤波单元中药材显微图像受到密度较大的脉冲噪声污染，采用保持边缘细节信息的引 入双结构元素数学形态学进行二次滤波。
10.如权利要求9所述的脉冲耦合神经网络中药材显微图像噪声滤除系统，其特征在 于，噪声检测单元还包括：输入与链接输入单元、脉冲发生器、噪声标志矩阵单元； 输入与链接输入单元，用于接收含噪声的中药材显微图像； 脉冲发生器，与输入与链接输入单元连接，用于产生脉冲耦合神经元输入信号与输出 信号比较的0或1信息； 噪声标志矩阵单元，与脉冲发生器连接，用于形成噪声标志矩阵，实现噪声像素点和信 号像素点的分类。
【专利摘要】本发明公开了一种脉冲耦合神经网络中药材显微图像噪声滤除系统及方法，采用适合处理组织类图像信息的脉冲耦合神经网络模型对中药材显微图像进行检测；中药材显微图像受到密度较小的脉冲噪声污染通过自适应加权滤波处理；中药材显微图像受到密度较大的脉冲噪声污染采用保持边缘细节信息的引入双结构元素数学形态学进行二次滤波。本发明为下一步提高中药材质量检测、识别与鉴定奠定前期基础；具有更高的噪点检测性能，噪声错检率和漏检率低，噪声检测精度较高；检测时间短，自动性强；在去噪的同时不但能有效滤除噪声干扰，而且能很好地保护图像边缘细节等信息。
【IPC分类】G06T5-00
【公开号】CN104732500
【申请号】CN201510167498
【发明人】刘勍, 张利军, 杨筱平, 马小姝, 韩双旺, 杨红平, 令维军
【申请人】天水师范学院
【公开日】2015年6月24日
【申请日】2015年4月10日