基于多尺度叠加的非经典感受野轮廓检测方法技术

本发明专利技术旨在提供一种基于多尺度叠加的非经典感受野轮廓检测方法，包括以下步骤：A、输入经灰度处理的待检测图像，对待检测图像中的各像素点分别按照各方向参数进行高斯一阶导函数滤波，得到各像素点的经典感受野响应及经典感受野最优方向；B、预设包含非经典感受野的最优方向及多个尺度参数的距离权重函数，计算得到各像素点的融合距离权重函数；C、预设抑制系数，计算得到各像素点的轮廓响应；D、对各像素点的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。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】
基于多尺度叠加的非经典感受野轮廓检测方法
本专利技术涉及图像处理领域，具体涉及一种基于多尺度叠加的非经典感受野轮廓检测方法。
技术介绍
视觉信息处理机制是由视网膜感受野、外膝体感受野和视皮层感受野构成的串行处理机制。视网膜上一个较小的范围组成视网膜上神经节细胞感受野，传输到外膝体上一个细胞的感受野，从视网膜上感受野到外膝状体上感受野基本是一对一，再由若干个外膝体细胞的感受野共同会聚到一个视皮层细胞的感受野上。因而，视皮层细胞的感受野是视网膜上的一个更大的区域。相关研究表明，初级视觉皮层V1除了同心圆拮抗式的感受野，还可能存在椭圆形的非经典感受野抑制区，而非经典感受野抑制区对于轮廓信息的检测识别存在较大的影响作用。
技术实现思路
本专利技术旨在提供一种基于多尺度叠加的非经典感受野轮廓检测方法，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：A、输入经灰度处理的待检测图像，预设多个方向参数的高斯一阶导函数，对待检测图像中的各像素点分别按照各方向参数进行高斯一阶导函数滤波，获得各像素点的各方向的响应值；对于各像素点，选取其各方向的响应值中的最大值，作为该像素点的经典感受野响应，最大值对应的方向参数作为该像素点的经典感受野最优方向；B、预设包含非经典感受野的最优方向及多个尺度参数的距离权重函数，对于各像素点：将与其经典感受野最优方向相垂直的方向作为其非经典感受野的最优方向，多个尺度参数基于高斯一阶导函数的标准差依次递增；将各像素点的多个尺度参数的距离权重函数进行求和，得到各像素点的融合距离权重函数；C、预设抑制系数，将各像素点的经典感受野响应与融合距离权重函数进行卷积得到各像素点的非经典感受野响应；将各像素点的非经典感受野响应与抑制系数相乘，得到各像素点的抑制响应，将各像素点的经典感受野响应减去非经典感受野响应，得到各像素点的轮廓响应；D、对各像素点的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中高斯一阶导函数的表达式为：其中其中θ为方向参数，Nθ为方向参数的数量；σ为高斯一阶导函数的标准差，对应于感受野的大小，γ为感受野的椭圆长短轴比例常数，(x,y)为待检测图像中各像素点的坐标；各像素点的各方向的响应值为：e(x,y；θi)＝|I(x,y)*RF(x,y；θi)|(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；各像素点的经典感受野响应的表达式如下：E(x,y)＝max{e(x,y；θi)|i＝1,2,...Nθ}(3)；各像素点的经典感受野最优方向θn为：其中n＝argmax{e(x,y；θi)|i＝1,2,...Nθ}。优选地，所述的步骤B中的融合距离权重函数的表达式为：其中距离权重函数的表达式为其中，||·||1为L1范数，H(X)＝max(0,X)，；多个尺度参数的表达式σj为：σj＝σ+M·j，其中M非经典感受野的尺度间隔，j＝0，1，2....N-1，N为尺度参数的数目；优选地，所述的步骤C的各像素点的轮廓响应表达式如下：R(x,y)＝E(x,y)-Inh(x,y)(6)；其中Inh(x,y)＝αE(x,y)*w(x,y)；α为抑制系数。本专利技术通过距离权重函数构建椭圆形圆环的非经典感受野区域，通时结合多重尺度对距离权重函数进行融合，实现非经典感受野的圆环区域的扩展，从而完成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；并且结合高斯一阶导函数获取经典感受野响应以及对应的最优方向，并将最优方向结合到距离权重函数的融合中，使得在距离权重函数的融合后，非经典感受野的区域更具方向性，对经典感受野最优方向的垂直方向进行纹理抑制，减少背景纹理信息的干扰，提高轮廓检测的成功率。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。因此，本专利技术通过多尺度下的椭圆形非经典感受野模型来模拟若干个外膝体细胞感受野共同会聚到初级视皮层的感受野的生理过程，期望该模型能够准确区分目标轮廓和背景纹理，进一步提高轮廓检测的鲁棒性。附图说明图1为本专利技术提供的基于多尺度叠加的非经典感受野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多尺度叠加的非经典感受野轮廓检测方法，包括以下步骤：A、输入经灰度处理的待检测图像，预设多个方向参数的高斯一阶导函数，对待检测图像中的各像素点分别按照各方向参数进行高斯一阶导函数滤波，获得各像素点的各方向的响应值；对于各像素点，选取其各方向的响应值中的最大值，作为该像素点的经典感受野响应，最大值对应的方向参数作为该像素点的经典感受野最优方向；所述的步骤A中高斯一阶导函数的表达式为：其中其中θ为方向参数，Nθ为方向参数的数量；σ为高斯一阶导函数的标准差，对应于感受野的大小，γ为感受野的椭圆长短轴比例常数，(x,y)为待检测图像中各像素点的坐标；各像素点的各方向的响应值为：e(x,y；θi)＝|I(x,y)*RF(x,y；θi)|(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；各像素点的经典感受野响应的表达式如下：E(x,y)＝max{e(x,y；θi)|i＝1,2,...Nθ}(3)；各像素点的经典感受野最优方向θn为：其中n＝argmax{e(x,y；θi)|i＝1,2,...Nθ}；B、预设包含非经典感受野的最优方向及多个尺度参数的距离权重函数，对于各像素点：将与其经典感受野最优方向相垂直的方向作为其非经典感受野的最优方向，多个尺度参数基于高斯一阶导函数的标准差依次递增；将各像素点的多个尺度参数的距离权重函数进行求和，得到各像素点的融合距离权重函数；所述的步骤B中的融合距离权重函数的表达式为：其中距离权重函数的表达式为其中，||·||1为L1范数，H(X)＝max(0,X)，；多个尺度参数的表达式σj为：σj＝σ+M·j，其中M非经典感受野的尺度间隔，j＝0，1，2....N-1，N为尺度参数的数目；C、预设抑制系数，将各像素点的经典感受野响应与融合距离权重函数进行卷积得到各像素点的非经典感受野响应；将各像素点的非经典感受野响应与抑制系数相乘，得到各像素点的抑制响应，将各像素点的经典感受本文档来自技高网...

【技术保护点】
1.一种基于多尺度叠加的非经典感受野轮廓检测方法，其特征在于包括以下步骤：/nA、输入经灰度处理的待检测图像，预设多个方向参数的高斯一阶导函数，对待检测图像中的各像素点分别按照各方向参数进行高斯一阶导函数滤波，获得各像素点的各方向的响应值；对于各像素点，选取其各方向的响应值中的最大值，作为该像素点的经典感受野响应，最大值对应的方向参数作为该像素点的经典感受野最优方向；/nB、预设包含非经典感受野的最优方向及多个尺度参数的距离权重函数，对于各像素点：将与其经典感受野最优方向相垂直的方向作为其非经典感受野的最优方向，多个尺度参数基于高斯一阶导函数的标准差依次递增；将各像素点的多个尺度参数的距离权重函数进行求和，得到各像素点的融合距离权重函数；/nC、预设抑制系数，将各像素点的经典感受野响应与融合距离权重函数进行卷积得到各像素点的非经典感受野响应；将各像素点的非经典感受野响应与抑制系数相乘，得到各像素点的抑制响应，将各像素点的经典感受野响应减去非经典感受野响应，得到各像素点的轮廓响应；/nD、对各像素点的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】
1.一种基于多尺度叠加的非经典感受野轮廓检测方法，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，预设多个方向参数的高斯一阶导函数，对待检测图像中的各像素点分别按照各方向参数进行高斯一阶导函数滤波，获得各像素点的各方向的响应值；对于各像素点，选取其各方向的响应值中的最大值，作为该像素点的经典感受野响应，最大值对应的方向参数作为该像素点的经典感受野最优方向；
B、预设包含非经典感受野的最优方向及多个尺度参数的距离权重函数，对于各像素点：将与其经典感受野最优方向相垂直的方向作为其非经典感受野的最优方向，多个尺度参数基于高斯一阶导函数的标准差依次递增；将各像素点的多个尺度参数的距离权重函数进行求和，得到各像素点的融合距离权重函数；
C、预设抑制系数，将各像素点的经典感受野响应与融合距离权重函数进行卷积得到各像素点的非经典感受野响应；将各像素点的非经典感受野响应与抑制系数相乘，得到各像素点的抑制响应，将各像素点的经典感受野响应减去非经典感受野响应，得到各像素点的轮廓响应；
D、对各像素点的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所述的基于多尺度叠加的非经典感受野轮廓检测方法，其特征在于：
所述的步骤A中高斯一阶导函数的表达式为：



其中



其中θ为方向参数，Nθ为方向参数的数量；σ为高斯一阶导函数的标准差，对应于感受...

【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