基于非经典感受野空间总和调制的轮廓检测方法技术

本发明专利技术旨在提供一种基于非经典感受野空间总和调制的轮廓检测方法，包括以下步骤：A、输入经灰度处理的待检测图像；B、对待检测图像Gabor滤波，获得各像素点的各个方向的Gabor能量值；C、计算出非经典感受野对中心神经元的空间总和调制权值；D、计算出非经典感受野在距离权值上对中心神经元的调制响应；E、计算得到中心神经元受非经典感受野的刺激响应；F、计算得到中心神经元受经典感受野和非经典感受野联合调制的刺激响应，作为对应的轮廓值；G、对各像素点的轮廓值使用非极大值抑制和双阈值处理，得到各像素点的最终轮廓值。该方法克服现有技术仿真效果差、轮廓识别率低的缺陷，具有仿真效果好、轮廓识别率高的特点。

【技术实现步骤摘要】

本专利技术涉及图像处理领域，具体涉及一种基于非经典感受野空间总和调制的轮廓检测方法。
技术介绍
轮廓定义目标的形状，轮廓是目标识别中的重要任务之一，而从杂乱场景中获取的目标轮廓是一项重要且相当困难的任务，主要是因为轮廓周围通常存在大量纹理背景的边缘，因此这项工作主要需要排除由于纹理区域的无意义边缘，而保留目标轮廓。提高检测率的关键在于能基于上下文将局部信息优化整合成一致的全局特征。人类视觉系统具有快速和有效的从复杂场景中提取轮廓特征的能力，有效促进了以生物特性作为启发的轮廓检测算法研究的发展。生理研究表明，V1层神经元具有方位选择性，且在其经典感受野(Classical Receptive Rield，CRF)外存在非经典感受野(Non-Classical Receptive Rield，NCRF)区域，虽然单独刺激该区域没有响应，但可以对CRF具有一定的调制作用。现有技术中，Grigorescu等人采用二维GABOR函数模型模拟视皮层简单细胞经典感受野的输出，由高斯差分函数(Difference of Gaussian，DoG)模拟圆环形的非经典感受野神经元对中心神经元的距离权值，提出各项同性和各项异性的抑制计算模型构建，从而建立非经典感受野目标轮廓检测模型。该类方法利用了初级视皮层中细胞的非经典感受野抑制特性，即中心神经元的活动被周边神经元所施加的抑制而减弱，形成侧抑制机制；然而，这种方法的抑制权值计算仅考虑了NCRF神经元个体对中心神经元的影响程度，但是NCRF神经元在参与中心神经元的调制中，其生理特性使得其自身同时也受到周边神经元的调制。专利技术内容本专利技术旨在提供一种基于非经典感受野空间总和调制的轮廓检测方法，该方法克服现有技术仿真效果差、轮廓识别率低的缺陷，具有仿真效果好、轮廓识别率高的特点。本专利技术的技术方案如下：基于非经典感受野空间总和调制的轮廓检测方法，包括以下步骤：A、输入经灰度处理的待检测图像，将待检测图像的各个像素点分别作为非经典感受野中心神经元；B、预设多个方向参数的Gabor滤波器组，对待检测图像中的各像素点分别按照各个方向参数进行Gabor滤波，获得各像素点的各个方向的Gabor能量值；对于每个像素点，选取其各个方向的Gabor能量值中的最大值，作为该像素点受经典感受野的刺激响应，即为该非
经典感受野中心神经元的刺激响应，该最大值对应的滤波方向作为该像素点的最优角，即为该非经典感受野中心神经元的最优角；C、基于各个非经典感受野中心神经元，分别计算得到各个非经典感受野对其中心神经元的全局能量调制权值，并分别结合各非经典感受野中心神经元对应的的最优角计算得到各非经典感受野中心神经元方位调制权值，进而计算出各个非经典感受野对其中心神经元的空间总和调制权值；D、计算出各个非经典感受野对其中心神经元作用的距离函数，将这一距离函数与其中心神经元受经典感受野的刺激响应进行卷积得到各个非经典感受野在距离权值上对其中心神经元的调制响应；E、通过各个非经典感受野的调制响应与其空间总和调制权值进行乘积得到各个中心神经元受非经典感受野的刺激响应；F、通过各个中心神经元受非经典感受野调制的刺激响应与抑制系数相乘，再将其中心神经元受经典感受野的刺激响应减去上述乘积得到中心神经元受经典感受野和非经典感受野联合调制的刺激响应，取正后作为该中心神经元对应的轮廓值，从而得到各个像素点的轮廓值；G、对各像素点的轮廓值使用非极大值抑制和双阈值处理，得到各像素点的最终轮廓值。所述的步骤B具体如下：所述的Gabor滤波器组的二维Gabor函数表达式如下：其中γ为一个表示椭圆形感受野长短轴比例的常数，参数λ为波长，σ为DoG模板中心区的带宽，1/λ为余弦函数的空间频率，σ/λ为空间频率的带宽，是相角参数，θ为Gabor滤波的角度参数；I(x,y)为待检测图像，*为卷积运算符；Gabor能量值计算如下： E λ , σ , θ i ( x , y ) = e 2 λ , σ , θ i , 0 ( x , y ) + e 2 λ , σ , θ i , π / 2 ( x , y ) - - - ( 3 ) ; ]]> θ i = π ( i - 1 ) N θ , i = 1 , 2 , ... N θ - - - ( 4 ) ; ]]>其中θi为Gabor滤波的某一角度，Nθ为Gabor滤波的角度的个数； Ec ( x , y ) = max { E λ , σ , 本文档来自技高网...

【技术保护点】
基于非经典感受野空间总和调制的轮廓检测方法，其特征在于包括以下步骤：A、输入经灰度处理的待检测图像，将待检测图像的各个像素点分别作为非经典感受野中心神经元；B、预设多个方向参数的Gabor滤波器组，对待检测图像中的各像素点分别按照各个方向参数进行Gabor滤波，获得各像素点的各个方向的Gabor能量值；对于每个像素点，选取其各个方向的Gabor能量值中的最大值，作为该像素点受经典感受野的刺激响应，即为该非经典感受野中心神经元的刺激响应，该最大值对应的滤波方向作为该像素点的最优角，即为该非经典感受野中心神经元的最优角；C、基于各个非经典感受野中心神经元，分别计算得到各个非经典感受野对其中心神经元的全局能量调制权值，并分别结合各非经典感受野中心神经元对应的的最优角计算得到各非经典感受野中心神经元方位调制权值，进而计算出各个非经典感受野对其中心神经元的空间总和调制权值；D、计算出各个非经典感受野对其中心神经元作用的距离函数，将这一距离函数与其中心神经元受经典感受野的刺激响应进行卷积得到各个非经典感受野在距离权值上对其中心神经元的调制响应；E、通过各个非经典感受野的调制响应与其空间总和调制权值进行乘积得到各个中心神经元受非经典感受野的刺激响应；F、通过各个中心神经元受非经典感受野调制的刺激响应与抑制系数相乘，再将其中心神经元受经典感受野的刺激响应减去上述乘积得到中心神经元受经典感受野和非经典感受野联合调制的刺激响应，取正后作为该中心神经元对应的轮廓值，从而得到各个像素点的轮廓值；G、对各像素点的轮廓值使用非极大值抑制和双阈值处理，得到各像素点的最终轮廓值。...

【技术特征摘要】
1.基于非经典感受野空间总和调制的轮廓检测方法，其特征在于包括以下步骤：A、输入经灰度处理的待检测图像，将待检测图像的各个像素点分别作为非经典感受野中心神经元；B、预设多个方向参数的Gabor滤波器组，对待检测图像中的各像素点分别按照各个方向参数进行Gabor滤波，获得各像素点的各个方向的Gabor能量值；对于每个像素点，选取其各个方向的Gabor能量值中的最大值，作为该像素点受经典感受野的刺激响应，即为该非经典感受野中心神经元的刺激响应，该最大值对应的滤波方向作为该像素点的最优角，即为该非经典感受野中心神经元的最优角；C、基于各个非经典感受野中心神经元，分别计算得到各个非经典感受野对其中心神经元的全局能量调制权值，并分别结合各非经典感受野中心神经元对应的的最优角计算得到各非经典感受野中心神经元方位调制权值，进而计算出各个非经典感受野对其中心神经元的空间总和调制权值；D、计算出各个非经典感受野对其中心神经元作用的距离函数，将这一距离函数与其中心神经元受经典感受野的刺激响应进行卷积得到各个非经典感受野在距离权值上对其中心神经元的调制响应；E、通过各个非经典感受野的调制响应与其空间总和调制权值进行乘积得到各个中心神经元受非经典感受野的刺激响应；F、通过各个中心神经元受非经典感受野调制的刺激响应与抑制系数相乘，再将其中心神经元受经典感受野的刺激响应减去上述乘积得到中心神经元受经典感受野和非经典感受野联合调制的刺激响应，取正后作为该中心神经元对应的轮廓值，从而得到各个像素点的轮廓值；G、对各像素点的轮廓值使用非极大值抑制和双阈值处理，得到各像素点的最终轮廓值。2.如权利要求1所述的基于非经典感受野空间总和调制的轮廓检测方法，其特征在于：所述的步骤B具体如下：所述的Gabor滤波器组的二维Gabor函数表达式如下：其中γ为一个表示椭圆形感受野长短轴比例的常
\t数，参数λ为波长，σ为DoG模板中心区的带宽，1/λ为余弦函数的空间频率，σ/λ为空间频率的带宽，是相角参数，θ为Gabor滤波的角度参数；I(x,y)为待检测图像，*为卷积运算符；Gabor能量值计算如下： E λ , σ , θ i ( x , y ) = e 2 λ , σ , ...

【专利技术属性】
技术研发人员：林川，曹以隽，李亚，潘亦坚，郭越，潘勇才，
申请(专利权)人：广西科技大学，
类型：发明
国别省市：广西;45