[发明专利]用神经网络模拟注意转移的方法

说明书

技术领域

本发明涉及以神经动力学为基础的图像处理和神经网络技术，特别是涉及一种以神经动力学模型描述的神经元振子形成的神经动力网络，用于模拟简单人造灰度图像中人的注意转移的方法。

背景技术

视觉注意选择和视觉注意转移是保证生物系统以有限的处理能力完成任务的重要机制。从图像或者感受野中提取显著的特征，并把它们分成不同的区域，从中选择显著的区域是感知理解的根本任务。这种能力就是视觉理解中的视觉注意选择。当显著的区域被选择之后，由于视觉系统的适应性，注意力会从当前显著的区域转到下一个显著的区域，这是注意转移。图像处理中基于同步振荡的神经元网络被越来越广泛的应用，脉冲耦合的神经元模型已经获得了良好的成果，但是在视觉注意选择和视觉注意转移中的应用对当前的研究来说仍然是非常重要的

人眼处理视觉图像时可以在很短的时间内轻松的进行感知和理解，并且实现从一个显著的区域转移到下一个显著的区域，尽管这一方面的研究甚多，然而研究者对其中的机理至今仍然知之甚少。研究者们提出了很多神经元振子网络模型模拟真实的人脑中神经元行为，其中1952年在大量实验的基础上由Hodgkin和Huxley提出的Hodgkin-Huxley模型(以下简称HH模型)是第一个被广泛引用的模型。FitzHugh-Nagumo(以下简称FHN)模型是从HH模型简化而来，而且被多个研究者证明能较好的模拟神经元的电位发放，是模拟人的视觉的重要模型。

FHN模型描述了一个神经元由输入电流I_input驱动的膜电位V和内部状态变量R之间的关系。V和R对时间t的变化率分别为：

dVdt=10(V-V33-αR+Iinput)---(1)]]>

dRdt=0.8(-R+βV+1.5)]]>

V 是神经元细胞膜两侧的电位差，称为膜电位，R是代表电位阈值的内部状态变量，I_input是神经元接受到的输入电流，也是外界对此神经元的光刺激。这里10和0.8是V和R的时间常数的倒数，并且α＞0，β＞0分别描述了从R到V和从V到R的动作强度。V的时间常数是R的12.5倍，这反应了轴突中激活过程要比恢复过程快得多的事实。假设(V，R)是平衡点，只有当平衡点(V，R)是不稳定的时候，在其周围产生稳定的极限环。因此α和β的取值必须满足公式(2)

8(V²+αβ-1)＜0(2)

或者公式(3)

8(V²+αβ-1)＞0

-(10V²-9.2)＞0(3)

改变方程(1)中的参数α和β可以控制发放频率。α或者β的增加都会引起发放频率的增加，但当α或者β是一个相当小的值时(例如α＝1，β＝0.6或者α＝0.3，β＝2或者α＝0.3，β＝0.6)，方程(1)不产生发放。

发明内容

本发明的目的在于，通过提供一种用神经网络模拟注意转移的方法，应用改造的FHN模型形成神经动力网络模拟人眼在感受野中从一个显著性区域到另一个的过程，并构建简单感受野中注意转移系统，对单个神经元进行模型构建，并基于单个模型构造生物视觉神经网络。

本发明用神经网络模拟注意转移的方法，是采用以下技术手段实现的。