基于目标景深信息的轮廓检测方法技术

本发明专利技术旨在提供一种基于目标景深信息的轮廓检测方法，包括以下步骤：A、采集灰度图像及景深图像；B、分别计算灰度图像及景深图像的灰度经典感受野最优响应值及景深经典感受野最优响应值；C、分别计算灰度图像及景深图像的灰度轮廓响应值及景深轮廓响应值；D、计算各像素点的最终轮廓响应值；E、计算各像素点的最终轮廓值。该检测方法克服现有技术缺陷，具有运算全面、轮廓识别率高的特点。

Contour detection method based on depth of field information

【技术实现步骤摘要】
基于目标景深信息的轮廓检测方法
本专利技术涉及图像处理领域，具体涉及一种基于目标景深信息的轮廓检测方法。
技术介绍
目标轮廓信息是视觉系统感知和识别目标的重要信息,因此轮廓检测也成为很多计算机视觉任务首要解决的基本问题。人类视觉系统(HVS)有很好的能力可以从复杂的场景中快速且准确的提取轮廓特征。神经生理学上的视皮层细胞，双眼细胞对景深信息很敏感，这类细胞被称为深度(或视差)敏感性细胞。景深信息可以使我们得到一个对周围世界的生动而精确的相对的深度分辨。人类视觉是一个复杂系统，具有极高的组合能力，能够通过视觉系统既平行又序列地将形状，颜色，深度等各种视觉信息整合起来，因此，对于轮廓检测过程对景深信息加以考虑，是轮廓检测方法研究的一大方向。
技术实现思路
本专利技术旨在提供一种基于目标景深信息的轮廓检测方法，该检测方法克服现有技术缺陷，具有运算全面、轮廓识别率高的特点。本专利技术的技术方案如下：一种基于目标景深信息的轮廓检测方法，包括以下步骤：A、采集灰度图像及景深图像；B、分别计算灰度图像及景深本文档来自技高网...

【技术保护点】
1.一种基于目标景深信息的轮廓检测方法，其特征在于包括以下步骤：/nA、采集灰度图像及景深图像；/nB、分别计算灰度图像及景深图像的灰度经典感受野最优响应值及景深经典感受野最优响应值；/nC、分别计算灰度图像及景深图像的灰度轮廓响应值及景深轮廓响应值；/nD、计算各像素点的最终轮廓响应值；/nE、计算各像素点的最终轮廓值。/n

【技术特征摘要】
1.一种基于目标景深信息的轮廓检测方法，其特征在于包括以下步骤：
A、采集灰度图像及景深图像；
B、分别计算灰度图像及景深图像的灰度经典感受野最优响应值及景深经典感受野最优响应值；
C、分别计算灰度图像及景深图像的灰度轮廓响应值及景深轮廓响应值；
D、计算各像素点的最终轮廓响应值；
E、计算各像素点的最终轮廓值。


2.如权利要求1所述的基于目标景深信息的轮廓检测方法，其特征在于：
各步骤具体如下：
A、采集待检测图像，并进行灰度处理得到灰度图像，采集与灰度图像相对应的景深图像；
B、预设包含多个方向参数的的二维高斯一阶偏导函数；
对于灰度图像的各像素点，采用二维高斯一阶偏导函数对其灰度值进行滤波得到各像素点的灰度经典感受野响应，对于各像素点各方向参数的灰度经典感受野初始响应值，分别取各方向参数的灰度经典感受野初始响应值的最大值，将该最大值作为该像素点的灰度经典感受野最优响应值；
对于景深图像的各像素点，采用二维高斯一阶偏导函数分别对其景深值进行滤波，得到各像素点各方向参数的景深经典感受野初始响应值；对于各像素点各方向参数的景深经典感受野初始响应值，分别取各方向参数的景深经典感受野初始响应值的最大值，将该最大值作为该像素点的景深经典感受野最优响应值；
C、预设归一化高斯差分函数、非经典感受野拮抗强度；
对于灰度图像的各像素点，采用归一化高斯差分函数分别对其灰度经典感受野最优响应值进行滤波，得到各像素点的灰度非经典感受野响应值；对于灰度图像的各像素点，将该像素点的灰度经典感受野最优响应值减去灰度非经典感受野响应值与非经典感受野拮抗强度的乘积，得到各像素点的灰度轮廓响应值；
对于景深图像的各像素点，采用归一化高斯差分函数分别对其景深经典感受野最优响应值进行滤波，得到各像素点的景深非经典感受野响应值；对于景深图像的各像素点，将该像素点的景深经典感受野最优响应值减去景深非经典感受野响应值与非经典感受野拮抗强度的乘积，得到各像素点的景深轮廓响应值；
D、预设灰度图像与景深图像的连接系数，对于各像素点，通过灰度轮廓响应值景深轮廓响应值以及连接系数计算该像素点的最终轮廓响应值，得到各像素点的最终轮廓响应值；
E、对于各像素点，对其最终轮廓响应值进行非极大值抑制和双阈值处理...

【专利技术属性】
技术研发人员：林川，崔林昊，张晓，王瞿，潘勇才，刘青正，张玉薇，张晴，李福章，王垚，王蕤兴，韦艳霞，
申请(专利权)人：广西科技大学，
类型：发明
国别省市：广西;45