一种基于分频视觉机制的轮廓特征提取方法技术

本发明专利技术涉及一种基于分频视觉机制的轮廓特征提取方法。首先利用高斯函数模拟视通路中外侧膝状体经典感受野对视觉信息的分频作用；然后利用空间频率和朝向调谐之间的全局性抑制作用，并引入低对比度加强后的视觉特征，构建一种朝向敏感以及低对比度适应的感受野，通过外侧膝状体非经典感受野中心‑外周信息差异的检测，从而实现对外周纹理的选择性抑制；最后将纹理抑制后的轮廓信息并行传递至初级视皮层区，实现分频视觉信息流的快速融合编码，以达到轮廓特征提取的快速调节和完整性融合。

A method of contour feature extraction based on frequency division vision mechanism

【技术实现步骤摘要】
一种基于分频视觉机制的轮廓特征提取方法
本专利技术属于生物视觉和图像处理领域，具体涉及一种基于分频视觉机制的轮廓特征提取方法。
技术介绍
轮廓检测是从杂乱场景中快速地提取人类感兴趣区域的过程，如何在较低漏检率的情况下实现伪轮廓和纹理信息的去除，对于降低后续视通路特征提取的难度，并进一步提高轮廓检测性能具有重要意义。轮廓检测的难点主要体现在：(1)在不同光照或视角下，视觉信息加工机理存在差异；(2)在保留轮廓信息的前提下，尽可能多的去除背景纹理信息，通常是相互矛盾的。随着生理实验手段的发展以及数据分析技术在神经科学中的运用，对于视觉信息处理机制的研究受到广泛的关注。有研究基于生物视觉的中心-周围相互作用特性，构建了各向同性和各向异性的抑制模型，利用二维Gabor函数来表征初级视皮层(V1)感受野轮廓方向的选择性，并引入高斯差(DifferenceofGaussian,DoG)函数来模拟外周环绕的侧抑制作用；还有研究进一步提出了外侧膝状体(LGN)感受野组合模型，揭示简单细胞的定向抑制和对比度不变性；此外还有研究视通路中多个视觉特征提取和融本文档来自技高网...

【技术保护点】
1.一种基于分频视觉机制的轮廓特征提取方法，其特征在于，该方法具体包括以下步骤：/n步骤1：针对输入图像I(x,y)，引入如式(1)所示的高斯函数

【技术特征摘要】
1.一种基于分频视觉机制的轮廓特征提取方法，其特征在于，该方法具体包括以下步骤：
步骤1：针对输入图像I(x,y)，引入如式(1)所示的高斯函数模拟LGN经典感受野所具有的频域响应特性；



其中



利用高斯函数的尺度参数σj作为LGN经典感受野对视觉信息流的分频特性参数，从而获得f个空间频率调谐通道，默认f＝3，σ1＝1，σ2＝2，σ3＝4，下同；表示朝向角，上标j表示空间频率调谐通道的序号，j＝1,2,…,f，下同；下标i表示朝向角的序号，i＝1,2,…,Nθ，下同，Nθ默认设置为8；空间大小比率γ决定了LGN经典感受野的椭圆率；
针对某个尺度参数σj，计算第i个朝向角的LGN经典感受野分频激励响应如式(3)所示；



式(3)中默认γ＝0.5，*表示卷积运算；
步骤2：在步骤1所获得的基础上，提取f个空间频率调谐通道的初级轮廓响应E(x,y,σj)；具体实现过程如下：
针对步骤1所获得的激励响应在固定某个尺度参数σj情况下，使遍历Nθ个不同朝向角，采用最大值策略，选取的最大值，从而获得初级轮廓响应E(x,y,σj)，如式(4)所示；同时记录各尺度参数σj情况下最大值所对应的朝向角，记为θCRF(j)；



其中max表示取最大值函数，下同；
步骤3：采用如式(5)和(6)所示的双高斯差函数模拟LGN非经典感受野响应特性同时记录各尺度参数σj情况下最大值所对应的朝向角为θNCRF(j)；定义第j条空间频率调谐通道上LGN非经典感受野中心-外周的抑制强度如式(7)所示；









式(6)中默认γ＝1；ρ表示LGN非经典感受野外周与中心的半径比值，根据电生理实验发现非经典感受野的直径一般为经典感受野的2～5倍，默认ρ＝4；式(7)中||||表示范数运算；
步骤4：针对步骤2和步骤3分别获取的θCRF(j)和θNCRF(j)，计算两者的朝向差异特性，得到侧抑制强度
首先分别计算朝向差异△θCRF-NCRF(j)，如式(8)所示；



再经幂指数归一化，得到朝向调制权重W1(j)，如式(9)所示；



其中，δ表示抑制强度随视觉特征差异增大而衰减的调节参数，默认δ＝0.2，下同；

【专利技术属性】
技术研发人员：范影乐，方琳灵，武薇，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江;33