【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 ...
【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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。