图像边缘检测方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术适用于计算机技术领域，提供了一种图像边缘检测方法、装置、计算机设备及存储介质，所述方法包括：根据视觉神经元能量响应模型确定各像素点在多个响应方位的响应结果，计算确定各像素点的方向选择显著度，并根据方向选择显著度与方向选择显著度阈值的大小关系对视觉神经元能量响应模型中的尺度参数进行修正，并重新确定各像素点的最优能量响应结果和最优响应方位，然后结合非经典感受野边缘检测算法输出边缘检测结果。本发明专利技术提供的图像边缘检测方法在确定各像素点的方向选择显著度后，根据方向选择显著度对尺度参数进行修正，采用不同尺度的响应模型针对性的对各像素点进行轮廓提取或者纹理抑制，从而有效提高边缘检测结果中的检测效果。

【技术实现步骤摘要】
图像边缘检测方法、装置、计算机设备及存储介质
本专利技术属于计算机
，尤其涉及一种图像边缘检测方法、装置、计算机设备及存储介质。
技术介绍
在利用计算机视觉技术对图像进行处理的过程中，通常需要用到边缘检测算法，目的是将图像中有意义的目标边缘和无意义的背景纹理区分开来，其中如何更好地提取图像中有意义的目标边缘而抑制图像中的无意义的背景纹理，是许多学者的重点研究方向。生物研究发现，在人脑视皮层神经元经典感受野外，存在更大面积的非经典感受野，因此人脑视皮层却能够轻松地实现将图像中目标边缘和背景纹理区分开来，基于此，提出了很多基于视觉机制的边缘检测算法，例如最常用的非经典感受野抑制作用的边缘检测模型。目前，现有技术中边缘提取效果最好的边缘检测算法是在非经典感受野边缘检测算法的基础上，通过构建一个新颖的空间统一调制算子来获得周边刺激对于中央神经元的增强和抑制影响，从而有效抑制与目标无关的背景纹理，并尽可能保留了图像边缘轮廓。然而，该边缘检测算法还是存在着图像边缘轮廓提取不显著、图像边缘轮廓缺失的问题。
技术实现思路
本专利技术实施例的目的在于提供一种图像边缘检测算法，旨在解决现有的边缘检测算法都还存在的图像边缘轮廓提取不显著、图像边缘轮廓缺失等检测效果不好的技术问题。本专利技术实施例是这样实现的，一种图像边缘检测方法，包括：根据预设的视觉神经元能量响应模型确定待处理图像中像素点在多个预设的响应方位上的能量响应结果；所述视觉神经元能量响应模型包括尺度参数；根据所述能量响应结果以及预设的方向选择显著度计算规则确定所述像素点的方向选择显著度；根据所述方向选择显著度与预设的方向选择显著度阈值的大小关系以及预设的尺度参数修正规则以及对所述视觉神经元能量响应模型中的尺度参数进行修正，生成修正后的视觉神经元能量响应模型；根据所述修正后的视觉神经元能量响应模型确定所述像素点的最优能量响应结果和最优响应方位；根据非经典感受野边缘检测算法以及所述像素点的最优能量响应结果和最优响应方位确定待处理图像的边缘检测结果。本专利技术实施例的另一目的在于提供一种图像边缘检测装置，包括：能量响应结果计算模块，用于根据预设的视觉神经元能量响应模型确定待处理图像中像素点在多个预设的响应方位上的能量响应结果；所述视觉神经元能量响应模型包括尺度参数；方向选择显著度计算模块，用于根据所述能量响应结果以及预设的方向选择显著度计算规则确定所述像素点的方向选择显著度；尺度参数修正模块，用于根据所述方向选择显著度与预设的方向选择显著度阈值的大小关系以及预设的尺度参数修正规则以及对所述视觉神经元能量响应模型中的尺度参数进行修正，生成修正后的视觉神经元能量响应模型；最优能量响应结果与方位计算模块，用于根据所述修正后的视觉神经元能量响应模型确定所述像素点的最优能量响应结果和最优响应方位；边缘检测结果确定模块，用于根据非经典感受野边缘检测算法以及所述像素点的最优能量响应结果和最优响应方位确定待处理图像的边缘检测结果。本专利技术实施例的另一目的在于提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上述所述图像边缘检测方法的步骤。本专利技术实施例的另一目的在于提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如上述所述图像边缘检测方法的步骤。本专利技术实施例提供的一种图像边缘检测方法，在根据视觉神经元能量响应模型确定待处理图像中像素点在多个预设的响应方位上的能量响应结果之后，通过进一步计算像素点的方向选择显著度，利用方向选择显著度和预设的方向选择显著度阈值的大小关系来判断该像素点是在某方位具有显著性、更可能代表目标轮廓等重要结构的方向显著性像素点还是在各个方位响应比较均衡、更可能代表纹理特征等非重要结构的非方向显著性像素点，并针对方向显著性像素点和非方向显著性像素点，按照不同的尺度参数修正规则对视觉神经元能量响应模型进行修正，并利用修正后的视觉神经元能量响应模型再分别去计算对应的像素点的最优能量响应结果和最优响应方位，最后结合非经典感受野边缘检测算法确定边缘检测结果。本专利技术提供的图像边缘检测方法相比于现有技术是直接利用相同的视觉神经元能量响应模型来确定各个像素点的最优能量响应结果和最优响应方位，是根据像素点的方向选择显著度来调整视觉神经元能量响应模型，对不同性质的像素点使用尺度参数的不同的视觉神经元能量响应模型，所确定出的最优能量响应结果和最优响应方位在用于非经典感受野边缘检测算法时效果更佳，边缘检测结果中纹理的抑制效果以及轮廓的提取效果更优。附图说明图1为本专利技术实施例提供的一种图像边缘检测方法的步骤流程图；图2为本专利技术实施例提供的一种根据非经典感受野边缘检测算法确定边缘检测结果的步骤流程图；图3为本专利技术实施例提供的一种确定边界像素点的步骤流程图；图4为本专利技术实施例提供的一种确定局部对比度的步骤流程图；图5为本专利技术实施例提供的一种对感受野半径参数进行修正的步骤流程图；图6为本专利技术实施例提供的一种对尺度参数进行修正的步骤流程图；图7为本专利技术实施例提供的一种对图像边缘检测装置的结构示意图；图8为本专利技术实施例提供的一种可执行图像边缘检测方法的计算机设备的结构示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。本专利技术实施例为进一步提高现有的图像边缘检测方法对图像边缘的检测效果，在根据视觉神经元能量响应模型确定待处理图像中像素点在多个预设的响应方位上的能量响应结果之后，通过进一步利用预设的方向选择显著度计算规则来确定图像中各个像素点的方向选择显著度，从而判断出相比于现有的图像边缘检测方法是直接根据预设的视觉神经元能量响应模型确定待处理图像中像素点在的预设的视觉神经元能量响应模型确定待处理图像中像素点在多个预设的响应方位上的能量响应结果是在某方位具有显著性、更可能代表目标轮廓等重要结构的方向显著性像素点还是在各个方位响应比较均衡、更可能代表纹理特征等非重要结构的非方向显著性像素点，进一步考虑到在细尺度上对纹理进行抑制可获得较好的效果，而在粗尺度上确定目标轮廓的方位可获得较好的效果，针对不同性质的像素点分别适应性的去调整视觉神经元能量响应模型的尺度参数，来确定该像素点的最优能量响应结果和最优响应方位，相对于常规图像边缘检测方法中直接利用相同的视觉神经元能量响应模型来确定各个像素点的最优能量响应结果和最优响应方位，结合非经典感受野边缘检测算法可以实现对该像素点更好的抑制效果或提取效果，从而得到效果更好的边缘检测结果。如图1所示，为本专利技术实施例提供的一种图像边缘检测方法的步骤流程图，具体包括以下步骤：步骤S102，本文档来自技高网...

【技术保护点】
1.一种图像边缘检测方法，其特征在于，包括：/n根据预设的视觉神经元能量响应模型确定待处理图像中像素点在多个预设的响应方位上的能量响应结果；所述视觉神经元能量响应模型包括尺度参数；/n根据所述能量响应结果以及预设的方向选择显著度计算规则确定所述像素点的方向选择显著度；/n根据所述方向选择显著度与预设的方向选择显著度阈值的大小关系以及预设的尺度参数修正规则以及对所述视觉神经元能量响应模型中的尺度参数进行修正，生成修正后的视觉神经元能量响应模型；/n根据所述修正后的视觉神经元能量响应模型确定所述像素点的最优能量响应结果和最优响应方位；/n根据非经典感受野边缘检测算法以及所述像素点的最优能量响应结果和最优响应方位确定待处理图像的边缘检测结果。/n

【技术特征摘要】
1.一种图像边缘检测方法，其特征在于，包括：
根据预设的视觉神经元能量响应模型确定待处理图像中像素点在多个预设的响应方位上的能量响应结果；所述视觉神经元能量响应模型包括尺度参数；
根据所述能量响应结果以及预设的方向选择显著度计算规则确定所述像素点的方向选择显著度；
根据所述方向选择显著度与预设的方向选择显著度阈值的大小关系以及预设的尺度参数修正规则以及对所述视觉神经元能量响应模型中的尺度参数进行修正，生成修正后的视觉神经元能量响应模型；
根据所述修正后的视觉神经元能量响应模型确定所述像素点的最优能量响应结果和最优响应方位；
根据非经典感受野边缘检测算法以及所述像素点的最优能量响应结果和最优响应方位确定待处理图像的边缘检测结果。


2.根据权利要求1所述的图像边缘检测方法，其特征在于，所述根据非经典感受野边缘检测算法以及所述像素点的最优能量响应结果和最优响应方位确定待处理图像的边缘检测结果的步骤，具体包括：
根据确定的中央像素点以及预设的感受野半径参数确定边界像素点；所述边界像素点与所述中央像素点之间的距离小于所述感受野半径参数；
确定所述中央像素点与所述边界像素点之间的偏移角度和距离；所述偏移角度是指所述中央像素点的最优响应方位与所述边界像素点的最优响应方位之间的角度差；
根据所述偏移角度和距离以及所述边界像素点的最优能量响应结果确定所述边界像素点对所述中央像素点的能量响应影响值；
根据所述能量响应影响值以及所述中央像素点的最优能量响应确定所述中央像素点的完整能量响应；
根据所述完整能量响应确定所述待处理图像的边缘检测结果。


3.根据权利要求2所述的图像边缘检测方法，其特征在于，所述根据确定的中央像素点以及预设的感受野半径参数确定边界像素点的步骤，具体包括：
根据所述待处理图像的灰度图像确定所述中央像素点的局部对比度；
根据所述局部对比度与预设的低对比度响应阈值的大小关系以及预设的感受野半径参数修正规则对所述感受野半径参数进行修正，生成修正后的感受野半径参数；
根据所述中央像素点以及所述修正后的感受野半径参数确定边界像素点。


4.根据权利要求3所述的图像边缘检测方法，其特征在于，所述根据所述待处理图像的灰度图像确定所述中央像素点的局部对比度的步骤，具体包括：
根据预设的感受野半径参数确定所述中央像素点的感受野范围内灰度图像；
确定所述感受野范围内灰度图像的最大亮度值和最小亮度值；
根据所述最大亮度值和最小亮度值确定所述中央像素点的局部对比度。


5.根据权利要求3所述的图像边缘检测方法，其特征在于，所述根据所述局部对比度与预设的低对比度响应阈值的大小关系以及预设的感受野半径参数修正规则对所述感受野半径参数进行修正的步骤，具体包括：
判断所述局部对比度是否小于预设的低对比度响应阈值；
当判断所述局部...

【专利技术属性】
技术研发人员：肖洁，
申请(专利权)人：武汉铁路职业技术学院，
类型：发明
国别省市：湖北;42