基于经典感受野固视微动机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经典感受野固视微动机制的轮廓检测方法,包括以下步骤：A、输入经灰度处理得到的待检测图像，预设多个尺度参数的高斯函数，计算得到各像素点的各尺度参数的高斯滤波响应；B、计算得到与多个尺度参数一一对应的多个环状高斯一阶导函数；C、对于各像素点：计算得到该像素点的各方向参数的微动融合响应；D、对于各像素点：在该像素点的各方向参数的微动融合响应中取最大值，作为该像素点的经典感受野响应；E、预设距离权重函数、抑制系数，计算各个像素点的抑制响应；F、将各个像素点的经典感受野响应减去该像素点的抑制响应，得到最终轮廓图。该轮廓检测方法克服现有技术缺陷，具有仿真性强、检测准确率高的特点。

【技术实现步骤摘要】
基于经典感受野固视微动机制的轮廓检测方法
本专利技术涉及图像处理领域，具体涉及一种基于经典感受野固视微动机制的轮廓检测方法。
技术介绍
轮廓检测是计算机视觉领域的一个基本任务，不同于被定义为强烈的亮度变化所表征的边缘，轮廓通常表示一个目标到其他目标的边界。受生物启发的轮廓检测模型是目前主流的研究方向之一，但大都只是简单地模拟视觉系统中生理特性的一部分，而对于固视微动机制在轮廓检测中的作用缺乏研究，造成了一定程度上轮廓信息的缺失以及纹理信息的增强这类问题，从而不能较好地保证目标轮廓的完整性。而少有的考虑固视微动生理机制的方案则是注重在非经典感受野区域对纹理抑制的作用效果，而忽略了在视觉细胞经典感受野区域的应用。
技术实现思路
本专利技术旨在提供一种基于经典感受野固视微动机制的轮廓检测方法，该轮廓检测方法克服现有技术缺陷，具有仿真性强、检测准确率高的特点。本专利技术的技术方案如下：一种基于初级视觉皮层固视微动机制的轮廓检测方法，包括以下步骤：A、输入经灰度处理得到的待检测图像，预设多个尺度参数的高斯函数，多个尺度参数依次增加；对待检测图像的各像素点的灰度值进行滤波，得到各像素点的各尺度参数的高斯滤波响应；B、对多个尺度参数进行由小到大依次标号，预设多个方向参数及多个尺度参数的高斯一阶导函数，高斯一阶导函数的模板直径大小与尺度参数的个数相同，高斯一阶导函数的模板半径大小为尺度参数的个数减一后除以二的商，预设多个标号与尺度参数一一对应的环状截取函数；标号一的环状截取函数的函数值如下：位于模板中心的函数值为1，其余函数值为0；后续X个环状截取函数的函数值如下：以模板中心为圆心、以当前标号减一的差值为半径的圆上各点的函数值为1，其余函数值为0；其中X为高斯一阶导函数的模板半径大小；其余环状截取函数的函数值如下：以模板中心为圆心、以尺度参数的个数减一后除以二的商为半径的圆上各点的函数值为1，其余函数值为0；将多个方向参数及多个尺度参数的高斯一阶导函数分别与对应尺度参数的环状截取函数相乘，分别得到与多个尺度参数一一对应的多个环状高斯一阶导函数；C、对于各像素点：将该像素点的各尺度参数的高斯滤波响应分别与对应尺度参数的环状高斯一阶导函数卷积，分别得到该像素点的各方向参数及各尺度参数的微动响应；将该像素点的同一方向参数且不同尺度参数对应的微动响应得加，得到该像素点的各方向参数的微动融合响应；D、对于各像素点：在该像素点的各方向参数的微动融合响应中取最大值，作为该像素点的经典感受野响应；E、预设距离权重函数、抑制系数，对于各像素点：将该像素点的经典感受野刺激响应与距离权重函数进行卷积后与抑制系数相乘，得到各像素点的抑制响应；F、将各个像素点的经典感受野响应减去该像素点的抑制响应，得到各像素点的轮廓响应，对轮廓响应使用非极大值抑制和双阈值处理，得到各个像素点的最终轮廓值，由各个像素点的最终轮廓值构成最终轮廓图。优选地，所述的步骤A中的高斯函数的表达式为：其中σgi为尺度参数，σd为标准差，i为尺度参数的标号，i＝1,2,…L,L为不小于10σd的奇数；各像素点的各尺度参数的高斯滤波响应表达式如下：Igi(x,y；σgi)＝|I(x,y)*gi(x,y；σgi)|(2)；I(x,y)为待检测图像的各像素点的灰度值，||为取绝对值符号，*为卷积符号。优选地，所述的步骤B中的多个环状截取函数的表达式如下：所述的环状高斯一阶导函数的表达式如下：其中θ为方向参数，Nθ为方向参数的数量；高斯一阶导函数RF(x,y；θj)的表达式为：其中γ为感受野的椭圆长短轴比例常数。优选地，所述的步骤C中的各像素点的各方向参数及各尺度参数的微动响应表达式如下：ei(x,y；θj,σgi)＝Igi(x,y；σgi)*EMi(x,y；θj)i＝1,2,…L(4)；各像素点的各方向参数的微动融合响应表达式如下：优选地，所述的步骤D中的各像素点的经典感受野响应表达式如下：E(x,y)＝max{E(x,y；θj)|j＝1,2,…Nθ}(6)。优选地，所述的步骤E中的距离权重函数的表达式为：其中，||·||1为L1范数，H(x)＝max(0,x)；所述的各像素点的抑制响应Inh(x,y)为：Inh(x,y)＝αE(x,y)*wσ(x,y)(8)；其中α为抑制系数。优选地，所述的步骤F中的各像素点的轮廓响应的表达式如下：R(x,y)＝E(x,y)-Inh(x,y)。本专利技术通过可变尺度参数以及环状截取函数结合高斯一阶导函数形成环状高斯一阶导函数，从而实现基于初级视觉皮层对人眼固视微动机制进行模拟，从而减少背景纹理的响应，最大程度地提高轮廓检测的性能；同时，通过不同半径的环状截取函数配合不同尺度参数完成轮廓信息提取，减少不同尺度下的轮廓信息丢失，同时减少背景纹理信息的干扰；并且，通过不同尺度的高斯函数对不同模糊程度下图像的处理，能够模拟固视微动机制下静止图像变模糊的情况，提高固视微动机制的模拟逼真度；而后通过环状高斯一阶导函数捕捉不同尺度视野的轮廓信息，避免静止图像变模糊的情况轮廓信息的丢失，从而保证轮廓检测的准确度和完整度。综上所述，本专利技术方案通过模拟了经典感受野在轮廓检测过程中的固视微动特性，从一定程度上加强了对目标轮廓的保护，为后续的纹理抑制提供了更加有效的信息，从而进一步的提高了轮廓检测的性能。附图说明图1为本专利技术提供的基于经典感受野固视微动机制的轮廓检测方法的轮廓检测效果对比图。具体实施方式下面结合附图和实施例具体说明本专利技术。实施例1本实施例提供的基于初级视觉皮层固视微动机制的轮廓检测方法，包括以下步骤：A、输入经灰度处理得到的待检测图像，预设多个尺度参数的高斯函数，多个尺度参数依次增加；对待检测图像的各像素点的灰度值进行滤波，得到各像素点的各尺度参数的高斯滤波响应；所述的步骤A中的高斯函数的表达式为：其中σgi为尺度参数，σd为标准差，i为尺度参数的标号，i＝1,2,…L,L为不小于10σd的奇数；各像素点的各尺度参数的高斯滤波响应表达式如下：Igi(x,y；σgi)＝|I(x,y)*gi(x,y；σgi)|(2)；I(x,y)为待检测图像的各像素点的灰度值，||为取绝对值符号，*为卷积符号；B、对多个尺度参数进行由小到大依次标号，预设多个方向参数及多个尺度参数的高斯一阶导函数，高斯一阶导函数的模板直径大小与尺度参数的个数相同，高斯一阶导函数的模板半径大小为尺度参数的个数减一后除以二的商，预设多个标号与尺度参数一一对应的环状截取函数；标号一本文档来自技高网...

【技术保护点】
1.一种基于初级视觉皮层固视微动机制的轮廓检测方法，其特征在于包括以下步骤：/nA、输入经灰度处理得到的待检测图像，预设多个尺度参数的高斯函数，多个尺度参数依次增加；对待检测图像的各像素点的灰度值进行滤波，得到各像素点的各尺度参数的高斯滤波响应；/nB、对多个尺度参数进行由小到大依次标号，预设多个方向参数及多个尺度参数的高斯一阶导函数，高斯一阶导函数的模板直径大小与尺度参数的个数相同，高斯一阶导函数的模板半径大小为尺度参数的个数减一后除以二的商，预设多个标号与尺度参数一一对应的环状截取函数；/n标号一的环状截取函数的函数值如下：位于模板中心的函数值为1，其余函数值为0；/n后续X个环状截取函数的函数值如下：以模板中心为圆心、以当前标号减一的差值为半径的圆上各点的函数值为1，其余函数值为0；其中X为高斯一阶导函数的模板半径大小；/n其余环状截取函数的函数值如下：以模板中心为圆心、以尺度参数的个数减一后除以二的商为半径的圆上各点的函数值为1，其余函数值为0；/n将多个方向参数及多个尺度参数的高斯一阶导函数分别与对应尺度参数的环状截取函数相乘，分别得到与多个尺度参数一一对应的多个环状高斯一阶导函数；/nC、对于各像素点：将该像素点的各尺度参数的高斯滤波响应分别与对应尺度参数的环状高斯一阶导函数卷积，分别得到该像素点的各方向参数及各尺度参数的微动响应；将该像素点的同一方向参数且不同尺度参数对应的微动响应得加，得到该像素点的各方向参数的微动融合响应；/nD、对于各像素点：在该像素点的各方向参数的微动融合响应中取最大值，作为该像素点的经典感受野响应；/nE、预设距离权重函数、抑制系数，对于各像素点：将该像素点的经典感受野刺激响应与距离权重函数进行卷积后与抑制系数相乘，得到各像素点的抑制响应；/nF、将各个像素点的经典感受野响应减去该像素点的抑制响应，得到各像素点的轮廓响应，对轮廓响应使用非极大值抑制和双阈值处理，得到各个像素点的最终轮廓值，由各个像素点的最终轮廓值构成最终轮廓图。/n...

【技术特征摘要】
1.一种基于初级视觉皮层固视微动机制的轮廓检测方法，其特征在于包括以下步骤：
A、输入经灰度处理得到的待检测图像，预设多个尺度参数的高斯函数，多个尺度参数依次增加；对待检测图像的各像素点的灰度值进行滤波，得到各像素点的各尺度参数的高斯滤波响应；
B、对多个尺度参数进行由小到大依次标号，预设多个方向参数及多个尺度参数的高斯一阶导函数，高斯一阶导函数的模板直径大小与尺度参数的个数相同，高斯一阶导函数的模板半径大小为尺度参数的个数减一后除以二的商，预设多个标号与尺度参数一一对应的环状截取函数；
标号一的环状截取函数的函数值如下：位于模板中心的函数值为1，其余函数值为0；
后续X个环状截取函数的函数值如下：以模板中心为圆心、以当前标号减一的差值为半径的圆上各点的函数值为1，其余函数值为0；其中X为高斯一阶导函数的模板半径大小；
其余环状截取函数的函数值如下：以模板中心为圆心、以尺度参数的个数减一后除以二的商为半径的圆上各点的函数值为1，其余函数值为0；
将多个方向参数及多个尺度参数的高斯一阶导函数分别与对应尺度参数的环状截取函数相乘，分别得到与多个尺度参数一一对应的多个环状高斯一阶导函数；
C、对于各像素点：将该像素点的各尺度参数的高斯滤波响应分别与对应尺度参数的环状高斯一阶导函数卷积，分别得到该像素点的各方向参数及各尺度参数的微动响应；将该像素点的同一方向参数且不同尺度参数对应的微动响应得加，得到该像素点的各方向参数的微动融合响应；
D、对于各像素点：在该像素点的各方向参数的微动融合响应中取最大值，作为该像素点的经典感受野响应；
E、预设距离权重函数、抑制系数，对于各像素点：将该像素点的经典感受野刺激响应与距离权重函数进行卷积后与抑制系数相乘，得到各像素点的抑制响应；
F、将各个像素点的经典感受野响应减去该像素点的抑制响应，得到各像素点的轮廓响应，对轮廓响应使用非极大值抑制和双阈值处理，得到各个像素点的最终轮廓值，由各个像素点的最终轮廓值构成最终轮廓图。


2.如权利要求1所述的基于初级视觉皮层固视微动机制的轮廓检测方法，其特征在于：
所述的步骤A中的高斯函数的表达式为：






其中σgi为尺度参数，σd为标准差，i为尺度参数的标号，i...

【专利技术属性】
技术研发人员：林川，王瞿，张晓，乔亚坤，万术娟，潘勇才，韦艳霞，张玉薇，刘青正，
申请(专利权)人：广西科技大学，
类型：发明
国别省市：广西;45